1. Introducción de antecedentes
- Dirección del proyecto Detectron2: https://github.com/facebookresearch/detectron2
- Documento más rápido de RCNN: https://arxiv.org/abs/1506.01497
- Conjunto de datos COCO: http://cocodataset.org/#home
- Conjunto de datos de COV: http://host.robots.ox.ac.uk/pascal/VOC/
2. Requisitos ambientales
- Ubuntu 18.04
- CUDA10
- pytorch == 1.3.0
- visión de antorcha == 0.4.1
- pycocotools
3. Pasos de instalación
3.1 Dependencias de instalación
- cocoapi
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install
- Cython
pip install cython
3.2 Instalar detectron2
git clone https://github.com/facebookresearch/detectron2.git
cd detectron2 && python -m pip install -e .
4. Pruebe la instalación
Una vez completada la instalación, puede ingresar el siguiente comando para probar si la instalación es exitosa.
python3 demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \
--input cat.jpg \
--output result_cat.jpg \
--opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
La imagen de entrada es: la
imagen del resultado es: la
prueba es satisfactoria, lo que indica que la instalación se ha realizado correctamente y que el marco se puede utilizar para más formación, pruebas, etc.