配置环境试用SOLO之后,总感觉和Mask R-CNN比还差点意思,不论是精度还是速度,好像都没有作者说的那么强,不清楚是不是自建数据集的限制,或者因为没有调参影响了学习效果
有兴趣的可以看原文配置训练试试
实例分割SOLO & SOLOv2环境配置(ubuntu20.04 + miniconda)
实例分割SOLO & SOLOv2训练自建数据集(ubuntu20.04 + miniconda)
俗话说:没有对比就没有伤害。俗话还说:没有实践就没有发言权
既然觉得有问题,那就要控制变量做对比试验,发现MMDetection框架里有很多可以直接使用的实例分割网络,根据官方提示开整
MMDetection开源框架地址:https://github.com/open-mmlab/mmdetection
ubuntu20.04 + miniconda + Pycharm
Python 3.7 以上,CUDA 9.2 以上和 PyTorch 1.6 以上
新建Python环境
conda create -n xopenmm python=3.8
进入虚拟环境
conda activate xopenmm
如果环境崩了,删除指定环境
conda remove -n xopenmm --all
快速入门文档
https://mmdetection.readthedocs.io/zh_CN/latest/get_started.html
安装pytorch,torchvision(离线版本)
离线版本下载网站:https://download.pytorch.org/whl/torch_stable.html
下载的文件分别是 cu102/torch-1.6.0-cp38-cp38-linux_x86_64.whl
和 cu102/torchvision-0.7.0-cp38-cp38-linux_x86_64.whl
在离线文件目录下进入终端,在虚拟环境中按顺序安装离线文件
pip install torch-1.6.0-cp38-cp38-linux_x86_64.whl
pip install torchvision-0.7.0-cp38-cp38-linux_x86_64.whl -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
安装依赖
使用 MIM
安装 MMEngine
和 MMCV
pip install -U openmim -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
mim install mmengine -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
mim install "mmcv>=2.0.0" -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
安装 MMDetection
从源码安装mmdet:
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e . -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
# "-v" 指详细说明,或更多的输出
# "-e" 表示在可编辑模式下安装项目,因此对代码所做的任何本地修改都会生效,从而无需重新安装。
验证安装
为了验证 MMDetection 是否安装正确,官方提供了一些示例代码来执行模型推理
下载配置文件和模型权重文件
mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .
下载完成后,会在当前文件夹中发现两个文件 rtmdet_tiny_8xb32-300e_coco.py
和 rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth
运行以下命令进行推理验证
python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu
# device cuda:0
运行成功后会在当前文件夹中的 outputs/vis
文件夹中看到一个新的图像 demo.jpg
,图像中包含有网络预测的检测框