mmDetection小白入门教程（一）——环境配置与Demo Faster RCNN 测试

最近需要复现一篇基于mmdetection实现的实例分割模型《PolarMask》，之前博主在五月份的时候看的一篇论文《CenterPoint》也是基于mmdetection3d的。在前几天面试时，被质问“做检测的居然不用mmdetection？？？”，这些都揭示了mmdetection等一系列code base的便利之处，那就来学一下吧！
COCO数据集我这个实验室里没有学长学姐在玩，感受到了学部计算资源的匮乏。四张v100跑15个小时才能训完PolarMask，距离论文复现报告提交还有一个礼拜的时间，祝我好运吧。

环境配置

主要是参考官方文档，出问题了bing一下，看看大家是怎么解决的。

• mmdetection 官方文档https://mmdetection.readthedocs.io/en/latest/model_zoo.html

博主这里的配置是这样的：

• driver CUDA 11.4 （为了用向日葵助手远程连接实验室电脑，把显示管理器从gnome换成lightdm了，结果驱动自己莫名其妙的升到了11.4）
• nvidia-driver version 470.57 （显卡驱动啦~）
• runtime CUDA 10.2 (这个是你自行安装的cuda，官方文档中说driver CUDA和runtime CUDA最好版本保持一致，上网查了一下，其实driverCUDA大于等于runtimeCUDA就可以啦，如果后期出什么问题了，我再来重装吧~)
• pytorch1.9.0
• ubuntu18.04
• gcc7.5.0
• mmcv-full 1.3.8
• mmdetection master 2.14.0（mmcv-full和你用的mmdetection版本要匹配，文档中都给出了~）
• python 3.7

其他的环境配置就不再赘述了，可以参考我之前的博客，把CUDA、cuDNN、pytorch配好了之后，完成mmcv-full和mmdetection的配置就可以了。

Demo inference

根据官方文档测试Faster RCNN，把模型的权重文件下载下来，放在mmdetection目录下的checkpoints文件夹内（没有的话自己新建一个）。

可以查看mmdet的api文档，在这里它的show_result函数变成了show_result_pyplot，博主查了一下文档，然后用新的接口就好啦。

mmdetection接口文档https://mmdetection.readthedocs.io/en/latest/api.html

from mmdet.apis import init_detector, inference_detector, show_result_pyplot

# Specify the path to model config and checkpoint file
config_file = './configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint_file = './checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'

# build the model from a config file and a checkpoint file
model = init_detector(config_file, checkpoint_file, device='cuda:0')

# test a single image and show the results
img = 'test.jpg'  # or img = mmcv.imread(img), which will only load it once
result = inference_detector(model, img)

show_result_pyplot(model, img, result, score_thr=0.8)

# or save the visualization results to image files
# model.show_result(img, result, out_file='result.jpg')

阈值设了0.8~结果如下，强迫症看了都说好。