Facebook开源检测工具包 Detectron （by Caffe2）

一. Detectron 特征
        大名鼎鼎的 FAIR 开发的软件包，可以从【github】了解一下。

        个人感觉比较有用的是 基于 ResNet 基础框架的 Faster RCNN和Mask RCNN。

        Detectron 基于 Caffe2（貌似被诟病的不轻），就目前阶段来看，caffe2 还有待于完善（pytorch也是一个意思），其工程化程度远不如 Tensorflow。

二. 安装

• Caffe2 安装
  

       遵循常规安装方式，尽量通过源码安装，Follow官方安装教程：【install】

       注：不要从网上搜安装教程，有些作者自己也未必搞的明白。

       可能会遇到一些包未安装的问题，比如 no module named past.builtins ，安装对应包即可：

pip install future --user

• Detectron 安装
  

       安装地址：【 github】

       同样 Follow 官网安装：【install】

三. 测试运行

      可以先把模型下载下来，放在 weights（新建）文件下，运行测试例子：

python2 tools/infer_simple.py \
    --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_1x.yaml \
    --output-dir /tmp/detectron-visualizations \
    --image-ext jpg \
    --wts weights/e2e-models/R-101-FPN-1X-MASK.pkl \
    demo

            其中demo是要分析的图片目录，上面是用于检测的，分割任务可替换参数为：

--cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_1x.yaml

-- wts weights/e2e-models/R-101-FPN-1X-MASK.pkl

            执行成功会将结果保存为pdf文件，放在 ouput-dir 下面，效果还是很不错的：

     有两个地方要注意：

1）配置文件 configs 要和 weights 文件对应；

2）修改 infer_simple.py 代码，避免重新下载权值文件：

assert_and_infer_cfg(False) 

四. 训练数据

      首先安装 networkx 和 enum：

pip install networkx enum

      根据  GETTING_STARTED 提示的步骤训练即可（单个GPU）：

python2 tools/train_net.py \
    --cfg configs/getting_started/tutorial_1gpu_e2e_faster_rcnn_R-50-FPN.yaml \
    OUTPUT_DIR /tmp/detectron-output