在Colab上部署mmdetection

首先在修改–>笔记本设置里选择GPU以便于后续按照依赖GPU的包

首先进行挂载：

然后连接到自己的硬盘里：

查看路径和当前目录的文件，这里我已经安装过mmdetectionl所以有这个文件，第一次执行是没有的

git一下mmdetection的源码

进入mmdetection目录下：

下载依赖文件：




在mmdetection文件夹下新建checkpoints目录，进入并下载模型文件cascade_rcnn_r50_fpn_20e_20181123-db483a09.pth

#pic_center
在/mmdetection/demo下新建mydemo2.py文件，并写入：

import argparse
import cv2
import torch
from mmdet.apis import inference_detector, init_detector, show_result, show_result_pyplot
 
def parse_args():
    parser = argparse.ArgumentParser(description='MMDetection webcam demo')
    parser.add_argument('--config', default='../mmdetection/configs/cascade_rcnn_r50_fpn_20e.py', help='test config file path')
    parser.add_argument('--checkpoint', default='../mmdetection/checkpoints/cascade_rcnn_r50_fpn_20e_20181123-db483a09.pth',
                        help='checkpoint file')
    parser.add_argument('--device', type=int, default=0, help='CUDA device id')
    parser.add_argument(
        '--camera-id', type=int, default=0, help='camera device id')
    parser.add_argument(
        '--score-thr', type=float, default=0.5, help='bbox score threshold')
    args = parser.parse_args()
    return args
 
args = parse_args()
model = init_detector(
        args.config, args.checkpoint, device=torch.device('cuda', args.device))
img = '../mmdetection/demo/demo.jpg'
show_img = inference_detector(model, img)
show_result(img, show_img, model.CLASSES, score_thr=args.score_thr, show=False, out_file='test.jpg')

运行

!python demo/mydemo2.py

理论上就可以成功检测图片，但是我运行成功以后并不知道怎么查看检测结果，所以次次部署算是失败了