初识MMDetection

论文下载地址：点击这里

商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。

相比于Facebook开源的Detectron框架，作者声称mmdetection有三点优势：performance稍高、训练速度稍快、所需显存稍小。

安装mmdetection

• Linux（不正式支持Windows）
• Python 3.5或以上版本
• PyTorch 1.1或更高版本
• CUDA 9.0或更高
• NCCL 2
• GCC 4.9或更高
• mmcv

已经测试了以下版本的操作系统和软件：

• 操作系统：Ubuntu 16.04 / 18.04 and CentOS 7.2
• CUDA：9.0 / 9.2 / 10.0 / 10.1
• NCCL：2.1.15 / 2.2.13 / 2.3.7 / 2.4.2
• GCC（G ++）：4.9 / 5.3 / 5.4 / 7.3

安装mmdetection

1. 创建一个conda虚拟环境并激活它

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

2. 按照官方说明安装PyTorch和Torchvision，例如：

conda install pytorch torchvision -c pytorch

3. 克隆mmdetection存储库

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection

4. 安装mmdetection（其他依赖库将自动安装）

pip install mmcv
python setup.py develop  # or "pip install -v -e ."

注意：

1. git commit id将在步骤d中写入版本号，例如0.6.0 + 2e7045c。该版本还将保存在经过训练的模型中。建议您每次从github提取一些更新时都运行步骤d。如果修改了C ++ / CUDA代码，则此步骤为强制性的。
2. 按照上述说明，mmdetection将安装在dev模式下，对代码进行的任何本地修改都将生效，而无需重新安装它（除非您提交了一些提交并希望更新版本号）。
3. 如果要使用opencv-python-headless而不是opencv-python，可以在安装MMCV之前先安装它。

另一种安装方式：Docker

我们提供了一个Dockerfile来构建映像：

# build an image with PyTorch 1.1, CUDA 10.0 and CUDNN 7.5
docker build -t mmdetection docker/

准备数据集

建议将数据集根符号链接到$MMDETECTION/data。如果您的文件夹结构不同，则可能需要更改配置文件中的相应路径。

mmdetection
├── mmdet
├── tools
├── configs
├── data
│   ├── coco
│   │   ├── annotations
│   │   ├── train2017
│   │   ├── val2017
│   │   ├── test2017
│   ├── cityscapes
│   │   ├── annotations
│   │   ├── train
│   │   ├── val
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   ├── VOC2012

必须使用城市景观脚本工具箱将城市景观注释转换为COCO格式。我们计划提供一个易于使用的转换脚本。目前，我们建议您遵循maskrcnn-benchmark工具箱中提供的说明。使用此脚本时，所有图像都必须移到同一文件夹中。在linux系统上，例如，可以使用以下方法对训练图像进行处理：

cd data/cityscapes/
mv train/*/* train/

从零开始的安装脚本

这是一个完整的脚本，用于使用conda设置mmdetection并链接数据集路径。

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlabconda install -c pytorch pytorch torchvision -y
conda install cython -y
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .mkdir data
ln -s $COCO_ROOT data

参考

https://mmdetection.readthedocs.io/en/latest/INSTALL.html#install-mmdetection