[PyTorch] Facebook Research - Mask R-CNN Benchmark 的安装与测试

81 阅读 0 评论 54 点赞

我是靠谱客的博主难过小天鹅，最近开发中收集的这篇文章主要介绍[PyTorch] Facebook Research - Mask R-CNN Benchmark 的安装与测试，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

Github项目链接：https://github.com/facebookresearch/maskrcnn-benchmark

maskrcnn_benchmark 安装步骤：

安装Anaconda3，创建虚拟环境。

conda activate maskrcnn
conda create -n maskrcnn python=3
conda activate maskrcnn

在虚拟环境中安装依赖包。

conda install ipython
pip install ninja yacs cython matplotlib tqdm opencv-python

安装PyTorch。

conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0

mkdir maskrcnn
export INSTALL_DIR=$PWD
cd $INSTALL_DIR

卸载torchvision 0.3.0，安装torchvision 0.2.2

pip uninstall torchvision
pip install torchvision==0.2.2

安装pycocotools。

git clone https://github.com/cocodataset/cocoapi.git

cd cocoapi/PythonAPI
python setup.py build_ext install

安装apex。

cd $INSTALL_DIR
git clone https://github.com/NVIDIA/apex.git

cd apex
python setup.py install --cuda_ext --cpp_ext

安装maskrcnn-benchmark。

cd $INSTALL_DIR
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git

cd maskrcnn-benchmark
python setup.py build develop

unset INSTALL_DIR

maskrcnn-benchmark 测试：

进入maskrcnn-benchmark安装目录下的demo文件夹。

conda activate maskrcnn

cd maskrcnn/maskrcnn-benchmark/demo/

 1 from maskrcnn_benchmark.config import cfg
 2 from predictor import COCODemo
 3 import matplotlib.pylab as pylab
 4 import matplotlib.pyplot as plt
 5 import cv2
 6
 7
 8 pylab.rcParams['figure.figsize'] = 20, 12
 9
10
11 def show_image(image):
12
plt.imshow(image[:, :, [2, 1, 0]])
13
plt.axis('off')
14 
plt.show()
15
16
17 config_file = '../configs/caffe2/e2e_mask_rcnn_X-152-32x8d-FPN-IN5k_1.44x_caffe2.yaml'
18 cfg.merge_from_file(config_file)
19
20 coco_demo = COCODemo(
21 
cfg,
22
confidence_threshold=0.7,
23
min_image_size=800
24 )
25
26 img = cv2.imread('path-to-coco2014/val2014/COCO_val2014_000000000772.jpg')
27 show_image(img)
28
29 predictions = coco_demo.run_on_opencv_image(img)
30 show_image(predictions)