Detectron2 入门

最新推荐文章于 2023-11-08 18:37:58 发布

程序之巅

最新推荐文章于 2023-11-08 18:37:58 发布

阅读量3k

点赞数

分类专栏：深度学习 detectron2 计算机视觉文章标签：目标检测计算机视觉 detectron2

本文链接：https://blog.youkuaiyun.com/zhuguiqin1/article/details/123225796

版权

深度学习同时被 3 个专栏收录

57 篇文章

订阅专栏

计算机视觉

24 篇文章

订阅专栏

detectron2

4 篇文章

订阅专栏

本文详细介绍了Detectron2中的命令行工具，包括如何使用预训练模型进行推理演示，如通过`demo.py`加载mask_rcnn_R_50_FPN_3x.yaml配置和权重文件。此外，还阐述了利用`plain_train_net.py`和`train_net.py`进行模型训练及评估的步骤，指导用户如何配置数据集并调用命令启动训练和评估过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文简要介绍detectron2中内置命令行工具的使用

预训练模型的推理演示
从Model Zoon里面选择一个模型以及配置文件，例如mask_rcnn_R_50_FPN_3x.yaml
运行这个命令

python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input jiejin.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

ModelZoon中的配置用于训练

命令行中的培训和评估
tools/plain_train_net.py 和 tools/train_net.py，可以使用ModelZoon中的不同配置，进行模型训练。可以将其用作编写自己的训练脚本的参考。如果想使用这两个脚本训练，可参考datasets/README.md构建好自己的数据集，然后使用命令：

./train_net.py \
  --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_1x.yaml \
  --num-gpus 1 SOLVER.IMS_PER_BATCH 2 SOLVER.BASE_LR 0.0025

如果想评估模型：

./train_net.py \
  --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_1x.yaml \
  --eval-only MODEL.WEIGHTS /path/to/checkpoint_file