一、安裝測試：(官方github上很詳細)
https://github.com/open-mmlab/mmdetection
測試：
from mmdet.apis import init_detector, inference_detector, show_result
if __name__ == '__main__':
config_file = 'configs/faster_rcnn_r50_fpn_1x.py'
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'
img_path = 'test.jpg'
model = init_detector(config_file, checkpoint_file, device='cuda:0')
result = inference_detector(model, img_path)
show_result(img_path, result, model.CLASSES)
測試注意事項：
1. mmdetection目前不支持Windos系統，我使用Ubuntu16.04
2.`checkpoint_file` 是我在mmdetection目錄下創建了一個checkpoints文件夾，然后手動下載
(鏈接：https://pan.baidu.com/s/1jC_9DJWrnwB8tm9LnGAHeQ 提取碼：indv )的權值，也可以自動下載的應該。
如果跑通應該沒啥問題了。
二：mmdetection/utils/registry.py 文檔解讀：
import inspect
import mmcv
class Registry(object):
"""
這里主要實現一個Registry類，用來規范注冊網絡的各個模塊，比如backebone, neck,還有dataset,pipeline等等這些模塊。
"""
def __init__(self, name):
self._name = name
self._module_dict = dict()
def __repr__(self):
"""這個函數主要是給類一個輸出，我的理解是就是輸出類相關信息。
用下面的代碼自己測試看看。
#from mmdet.utils import Registry
#print(Registry('backbone'))
"""
format_str = self.__class__.__name__ + '(name={}, items={})'.format(
self._name, list(self._module_dict.keys()))
return format_str
@property #負責修飾一個對象函數,讓類生成成員變量對應的setter和getter函數
def name(self):
return self._name
@property
def module_dict(self):
return self._module_dict
def get(self, key):
return self._module_dict.get(key, None)
def _register_module(self, module_class):
"""Register a module.
Args:
module (:obj:`nn.Module`): Module to be registered.
"""
if not inspect.isclass(module_class):
raise TypeError('module must be a class, but got {}'.format(
type(module_class)))
module_name = module_class.__name__
if module_name in self._module_dict:
raise KeyError('{} is already registered in {}'.format(
module_name, self.name))
self._module_dict[module_name] = module_class
def register_module(self, cls):
self._register_module(cls)
return cls
def build_from_cfg(cfg, registry, default_args=None):
"""無錫人流醫院哪家好 http://www.ytsg029.com/
這個函數大意就是從config文件中cfg各個模塊使用registry進行注冊。
Build a module from config dict.
Args:
cfg (dict): Config dict. It should at least contain the key "type".
registry (:obj:`Registry`): The registry to search the type from.
default_args (dict, optional): Default initialization arguments.
Returns:
obj: The constructed object.
"""
assert isinstance(cfg, dict) and 'type' in cfg
assert isinstance(default_args, dict) or default_args is None
args = cfg.copy()
obj_type = args.pop('type')
if mmcv.is_str(obj_type):
obj_cls = registry.get(obj_type)
if obj_cls is None:
raise KeyError('{} is not in the {} registry'.format(
obj_type, registry.name))
elif inspect.isclass(obj_type):
obj_cls = obj_type
else:
raise TypeError('type must be a str or valid type, but got {}'.format(
type(obj_type)))
if default_args is not None:
for name, value in default_args.items():
args.setdefault(name, value)
return obj_cls(**args)
三：數據集介紹：
mmdetection現在支持coco和voc數據集格式，數據集的格式使用官方介紹的
mmdetection
----------------- data
-----coco
-----VOCdevkit
主要嵌套關系是
以mmdetection/mmdet/datasets/cityscapes.py為例：
from .coco import CocoDataset
from .registry import DATASETS
@DATASETS.register_module
class CityscapesDataset(CocoDataset):
"""
自定義coco格式數據類<------CocoDataset <-----------CustomDataset <----------Dataset(torch.utils.data.Dataset)
VOCDataset<-----------XMLDataset<----------CustomDataset<--------Dataset(同上)
其他一些函數主要是用來讀取分析coco的.json和voc的XML文件的，具體細節先不談，先了解整體框架
"""
CLASSES = ('person', 'rider', 'car', 'truck', 'bus', 'train', 'motorcycle', 'bicycle')