MMDetection中文文档

您所在的位置：网站首页 › 如何安装mmdetection › MMDetection中文文档

MMDetection中文文档

2024-05-29 14:43| 来源: 网络整理| 查看: 265

论文下载地址：点击这里简介

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。

目录要求安装mmdetection另一个选择：Docker Image准备数据集从零开始的安装脚本使用多个MMDetection版本要求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 2GCC 4.9或更高mmcv

我们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 7.2CUDA：9.0 / 9.2 / 10.0 / 10.1NCCL：2.1.15 / 2.2.13 / 2.3.7 / 2.4.2GCC（G ++）：4.9 / 5.3 / 5.4 / 7.3安装mmdetection

a. 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

b. 按照官方说明安装PyTorch和Torchvision，例如：

conda install pytorch torchvision -c pytorch

c. 克隆mmdetection存储库

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

d. 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：

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。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）。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

【本文地址】

MMDetection中文文档

MMDetection中文文档

今日新闻

推荐新闻