目錄
一、MMDetection
特性
常見用法
二、ubuntu20.04配置solov2
三、Windows11配置solov2
一、MMDetection
MMDetection是一個用于目標檢測的開源框架，由OpenMMLab開發和維護。它提供了豐富的預訓練模型和模塊，可以用于各種目標檢測任務，如物體檢測、實例分割、關鍵點檢測等。以下是MMDetection的一些重要特性和常見用法：
特性
-
豐富的模型支持： MMDetection支持許多經典和先進的目標檢測模型，包括Faster R-CNN、Mask R-CNN、YOLO、Cascade R-CNN、FCOS、SOLO等。
-
多任務學習： MMDetection支持多任務學習，可以同時處理多個任務，如目標檢測、實例分割等。
-
模塊化設計： 框架采用模塊化設計，用戶可以根據需求進行自定義修改和擴展。
-
豐富的數據增強： 提供了多種數據增強方法，有助于提升模型的魯棒性。
-
分布式訓練： 支持分布式訓練，有助于加速訓練過程。
-
豐富的文檔和教程： MMDetection提供了詳細的文檔和教程，幫助用戶快速上手和理解框架的使用。
常見用法
-
訓練模型： 使用配置文件指定模型、數據集和訓練參數，然后運行訓練腳本。
python tools/train.py <config_file> -
測試模型： 使用配置文件指定測試模型和數據集，然后運行測試腳本。
python tools/test.py <config_file> <checkpoint_file> --eval <metric> -
推理模型： 使用訓練好的模型進行目標檢測。
python tools/demo/image_demo.py <config_file> <checkpoint_file> --input <image_path> -
可視化結果： 使用工具可視化模型在圖像上的檢測結果。
python tools/test.py <config_file> <checkpoint_file> --show
二、ubuntu20.04配置solov2
MMDetection是一個用于目標檢測的開源框架，而SOLOv2（Segmenting Objects by Learning Vector）是其中的一個實例，用于實例分割。以下是在Ubuntu 20.04上配置MMDetection和SOLOv2的基本步驟：
安裝依賴項:
首先，確保系統已安裝CUDA、cuDNN等GPU支持組件，以加速訓練和推理。
sudo apt-get update
sudo apt-get install -y build-essential python3-dev python3-pip libopencv-dev安裝PyTorch:
安裝PyTorch和torchvision。建議按照PyTorch官方網站的說明安裝，以確保與你的CUDA版本兼容。
克隆MMDetection倉庫:
使用git克隆MMDetection的倉庫：
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection安裝MMDetection依賴項:
使用pip安裝MMDetection所需的依賴項：
pip install -r requirements/build.txt
pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"
pip install -v -e .編譯CUDA擴展:
進入mmdetection/mmdet/ops目錄，執行以下命令編譯CUDA擴展：
cd mmdet/ops
bash compile.sh下載SOLOv2預訓練模型:
在mmdetection目錄下創建一個文件夾，例如checkpoints，并下載SOLOv2的預訓練權重文件。
mkdir checkpoints
wget https://download.openmmlab.com/mmdetection/v2.0/solo/solov2_r101_dcn_22fpn_2x_coco/solov2_r101_dcn_22fpn_2x_coco_20200523-44d32819.pth -P checkpoints測試SOLOv2:
運行測試腳本，確保安裝成功：
python tools/test.py configs/solov2/solov2_r101_dcn_22fpn_2x_coco.py checkpoints/solov2_r101_dcn_22fpn_2x_coco_20200523-44d32819.pth --eval mAP三、Windows11配置solov2
MMDetection（以及其中的SOLOv2）主要是在Linux系統上進行配置和使用的。Windows 11上的配置可能會有一些挑戰，因為某些依賴項和命令可能在Windows上不同于Linux。
-
安裝依賴項:
在Windows上，你需要確保安裝了以下軟件和工具：
- Anaconda
- Git
- Visual Studio（或者至少安裝了C++構建工具）
-
安裝PyTorch:
使用Anaconda或者pip安裝適用于Windows的PyTorch。訪問PyTorch官方網站以獲取相應的安裝命令。
-
克隆MMDetection倉庫:
在命令行中執行以下命令：
git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection
-
安裝MMDetection依賴項:
使用Anaconda或pip安裝MMDetection的依賴項：
pip install -r requirements/build.txt pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI" pip install -v -e . -
編譯CUDA擴展:
進入
mmdetection/mmdet/ops目錄，執行以下命令編譯CUDA擴展。請注意，這可能需要根據你的環境進行調整。cd mmdet/ops bash compile.sh -
下載SOLOv2預訓練模型:
在
mmdetection目錄下創建一個文件夾，例如checkpoints，并下載SOLOv2的預訓練權重文件。mkdir checkpoints wget https://download.openmmlab.com/mmdetection/v2.0/solo/solov2_r101_dcn_22fpn_2x_coco/solov2_r101_dcn_22fpn_2x_coco_20200523-44d32819.pth -P checkpoints -
測試SOLOv2:
運行測試腳本，確保安裝成功。請注意，有些測試可能仍然需要Linux環境。
python tools/test.py configs/solov2/solov2_r101_dcn_22fpn_2x_coco.py checkpoints/solov2_r101_dcn_22fpn_2x_coco_20200523-44d32819.pth --eval mAP
)
和load()的用法)
![selenuim[1]（$x(‘xpath語法’)、WebDriverWait()）](http://pic.xiahunao.cn/selenuim[1]（$x(‘xpath語法’)、WebDriverWait()）)
