【mmdetection小目标检测教程】一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）

mmdetection作为openmmlab在github上star数最多的仓库，是商汤和港中文正式开源的目标检测工具箱 ，这是一个基于 PyTorch 的开源工具包。该工具包支持 Mask RCNN 等多种流行的检测框架，可在 PyTorch 环境下测试不同的预训练模型及训练新的检测分割模型。
本文将基于pytorch搭建mmdetection基础环境

---

mmdetection小目标检测系列教程：
一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）
二、labelimg标注文件voc格式转coco格式
三、使用sahi库切分高分辨率图片，一键生成coco格式数据集
四、修改配置文件，训练专属于你的目标检测模型
五、使用mmdet和mmcv的api进行图像/视频推理预测，含异步推理工作

1.系统环境

• ubuntu20.04
• cuda11.3
• cudnn8.4.1
• anaconda3

2.构建虚拟环境

conda create -n mmlab python=3.9
conda activate mmlab

3.安装pytorch

前往pytorch官网，根据自己环境选择合适的torch版本pytorch官网

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

安装完成截图

4. 安装mmegine和mmcv

这里需要注意一个点，mmdet和mmcls依赖的是mmcv-v1.x版本，而mmseg依赖的是mmcv-v2.x

• 在mmcv-v1.x中，cuda版本的叫mmcv-full，cpu版本的叫mmcv；
• 在mmcv-v2.x版本中，mmcv-full被重新命名为mmcv，因此cuda版本的直接安装mmcv就可以，如果不是cuda版本的，则需要使用mim install mmcv-lite进行安装

pip install openmim
mim install mmengine
mim install mmcv-full

5.安装mmdetection

通过源码安装mmdetection，当然也可以直接通过mim install mmdet进行安装

git clone https://github.com/open-mmlab/mmcv.git -b v3.0.0rc5
pip install -r requirements.txt
mim install -v -e .

安装完成截图

至此，环境已经全部搭建完成~可以开始后续的配置训练工作了