深度学习目标检测框架 detectron2 安装流程

Love The Way You Lie 2022-11-15 11:28 324阅读 0赞

深度学习目标检测框架 detectron2 安装流程，深度学习框架 detectron2 的安装，可在git中实现，

## 1. detectron2 ##

**FAIR** 开源的目标检测框架 **Detectron2**，基于 **Pytorch** 。它训练比从前更快，功能比从前更全，支持的模型也比从前更丰盛。比如对初代的模型 **Faster R-CNN，Mask R-CNN，RetinaNet，DensePose** 等的支持外，还支持一些新的模型，如 **Cascade R-NN，Panoptic FPN，TensorMask** 等 ，而且解决了以前 **Pytorch** 生产难以部署的诟病。所以我迫不及待的要试一试， 记录一下**Detectron2** 环境搭建过程 。

## 2. pytorch 环境 ##

首先我们要搭建一个 Pytorch 环境，步骤可参考之前的 [利用 Conda 安装深度学习框架 Pytorch][Conda _ Pytorch] 一文即可。

## 3. opencv3 ##

**Opencv3** 是一个知名的计算机视觉处理库。在 **Python 3.6** 环境下使用下面的命令并就可以了：

conda install -c menpo opencv3

但是在 **Python 3.7** 环境下上面的命令是无效的。可以使用 **pypi** 进行安装:

pip install opencv-python

如果你的网络不好也很容易失败，我们可以临时使用清华的 **pypi** 镜像来安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

## 4. fvcore ##

**fvcore** 是 **FAIR** 开源的 一个轻量级的核心库，它提供了在各种计算机视觉框架(如 **Detectron2**)中共享的最常见和最基本的功能。该库需要 **>=Python 3.6** 的 **Python** 环境。

**Conda** 安装命令为：

conda install -c fvcore fvcore

**pypi** 安装命令为：

pip install fvcore

> 参考**章节 3** 中使用**pypi** 镜像的方式会更快一些。

## 5. pycocotools ##

微软发布的 **COCO** 数据库是一个大型图像数据集, 专为对象检测、分割、人体关键点检测、语义分割和字幕生成而设计。 [COCO API][] 提供了 **Matlab**, **Python** 和 **Lua** 的 **API** 接口. 该 **API** 接口可以提供完整的图像标签数据的加载, parsing 和可视化。通过 **pycocotools** 库我们可以使用 **COCO** 提供的一系列功能。在不同的环境下安装方式不同。这里以 **linux** 环境为例：

pip3 install -U Cython
    pip3 install -U pycocotools

## 6. 其它包依赖 ##

按照项目提供的 `requirements` 安装即可。

> **GCC** 编译器版本 **>= 4.9**

## 7. 安装 detectron2 ##

重点来了，接下来的重头戏就是安装 **detectron 2** 了。

### 7.1 直接安装 ###

你可以直接执行下面的命令直接安装：

pip install 'git+https://github.com/facebookresearch/detectron2.git'

如果提示没有权限请在上述命令行中添加 `--user` 参数。

### 7.2 本地安装 ###

你也可以 **Git** 拉到本地安装：

git clone https://github.com/facebookresearch/detectron2.git
    cd detectron2 && pip install -e .

### 7.3 小贴士 ###

对于MacOS 用户来说，无论是 采用 **7.1** 或者 **7.2** 都应该**在其基础上**执行以下安装命令：

MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ pip install -e .

而且如果机子上安装多个 **cuda** 版本时，可能导致 **nvcc** 与 **cuda** 版本不一致，网上有解决办法，我没有遇到所以只是提醒你一下。

## 8. 总结 ##

一般情况下按照我上面的步骤安装都没有太多问题。如果你有好的建议可以通过微信公众号：**Felordcn** 进行反馈。下一文我们将对一些实际使用过程中的问题进行一些探讨。

[Conda _ Pytorch]: https://links.jianshu.com/go?to=https%3A%2F%2Fmp.weixin.qq.com%2Fs%2FkhV6TdmiQwj0_b7cih5wAQ
[COCO API]: https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fcocodataset%2Fcocoapi