mmdetection 使用笔记 01: 安装与简单的推理demo

mmdetection是来自商汤和港中文联合实验室openmmlab推出的目标检测工具包，与其同系列的还有基础视觉包mmcv，图像分类mmclassification，还有mmaction，mmaction2等等。

今天第一次尝试使用mmdetection，先进行安装和简单的demo使用。

安装

根据其github的get_started.md介绍进行安装即可

这里介绍一下我的安装过程，亲测没什么问题

Ubuntu 18.04

PyTorch 1.7.0

Cuda 11.1

RTX 3060 Ti

为其新建一个conda环境并激活并安装pytorch（这里就不详细介绍了，网上教程很多，应该不难）
安装mmdetection
```
pip install openmim
mim install mmdet
```

以上方式即可自动安装成功mmdetection，get_started.md还提供了一种手动安装的方法，比较麻烦，可以自己去试一下。

demo尝试

这里我们根据商汤给出的教程给出的介绍尝试了一下inference的demo。

使用Faster RCNN进行demo图像的目标检测

安装成功后，新建一个工程即可

mkdir mmdet_proj
cd mmdet_proj

新建一个ipynb文件

（因为这个demo默认要用matplotlib来展示检测结果框，而我是用vscode连接远程服务器进行工作的，所以直接用py文件无法进行结果展示，要savefig的话应该要改一点源码，如果是在本机进行demo尝试的话，py文件应该也可）

import torch
from PIL import Image
from mmdet.apis import inference_detector, init_detector, show_result_pyplot
from mmdet.configs.faster_rcnn import faster_rcnn_r50_fpn_1x_cocoimport warnings                # 我这里会报一些警告，不影响运行，但影响心情，就先把警告关掉了
warnings.filterwarnings("ignore")image = 'demo.jpeg'device = torch.device('cuda:0')
config = '~/anaconda3/envs/[your_conda_env_name]/lib/python3.8/site-packages/mmdet/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint = 'weights/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'model = init_detector(config, checkpoint, device=device)
result = inference_detector(model, image)
show_result_pyplot(model, image, result, score_thr=0.9)

config文件是模型的一些配置，如果是直接拉的mmdet github仓库的话，config是可以按照相对路径拿到的，但我们是mim安装的，所以我就找了一下这个config文件的绝对路径拿过来了。
checkpoint可以从mmdet的Faster RCNN model zoo下载。
运行ipynb文件即可以看到结果啦。

可以看到检测结果还是不错的。

然后我们看一下这个过程中的中间变量都是什么东西。

model：

model        # print(model) for .py

FasterRCNN((backbone): ResNet((conv1): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(relu): ReLU(inplace=True)(maxpool): MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)(layer1): ResLayer(# ...# ...)init_cfg={'type': 'Pretrained', 'checkpoint': 'torchvision://resnet50'}(neck): FPN((lateral_convs): ModuleList((0): ConvModule((conv): Conv2d(256, 256, kernel_size=(1, 1), stride=(1, 1)))(1): ConvModule((conv): Conv2d(512, 256, kernel_size=(1, 1), stride=(1, 1)))(2): ConvModule((conv): Conv2d(1024, 256, kernel_size=(1, 1), stride=(1, 1)))(3): ConvModule((conv): Conv2d(2048, 256, kernel_size=(1, 1), stride=(1, 1))))(fpn_convs): ModuleList((0): ConvModule((conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))(1): ConvModule((conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))(2): ConvModule((conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))(3): ConvModule((conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))))init_cfg={'type': 'Xavier', 'layer': 'Conv2d', 'distribution': 'uniform'}(rpn_head): RPNHead((loss_cls): CrossEntropyLoss()(loss_bbox): L1Loss()(rpn_conv): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(rpn_cls): Conv2d(256, 3, kernel_size=(1, 1), stride=(1, 1))(rpn_reg): Conv2d(256, 12, kernel_size=(1, 1), stride=(1, 1)))init_cfg={'type': 'Normal', 'layer': 'Conv2d', 'std': 0.01}(roi_head): StandardRoIHead((bbox_roi_extractor): SingleRoIExtractor((roi_layers): ModuleList((0): RoIAlign(output_size=(7, 7), spatial_scale=0.25, sampling_ratio=0, pool_mode=avg, aligned=True, use_torchvision=False)(1): RoIAlign(output_size=(7, 7), spatial_scale=0.125, sampling_ratio=0, pool_mode=avg, aligned=True, use_torchvision=False)(2): RoIAlign(output_size=(7, 7), spatial_scale=0.0625, sampling_ratio=0, pool_mode=avg, aligned=True, use_torchvision=False)(3): RoIAlign(output_size=(7, 7), spatial_scale=0.03125, sampling_ratio=0, pool_mode=avg, aligned=True, use_torchvision=False)))(bbox_head): Shared2FCBBoxHead((loss_cls): CrossEntropyLoss()(loss_bbox): L1Loss()(fc_cls): Linear(in_features=1024, out_features=81, bias=True)(fc_reg): Linear(in_features=1024, out_features=320, bias=True)(shared_convs): ModuleList()(shared_fcs): ModuleList((0): Linear(in_features=12544, out_features=1024, bias=True)(1): Linear(in_features=1024, out_features=1024, bias=True))(cls_convs): ModuleList()(cls_fcs): ModuleList()(reg_convs): ModuleList()(reg_fcs): ModuleList()(relu): ReLU(inplace=True))init_cfg=[{'type': 'Normal', 'std': 0.01, 'override': {'name': 'fc_cls'}}, {'type': 'Normal', 'std': 0.001, 'override': {'name': 'fc_reg'}}, {'type': 'Xavier', 'layer': 'Linear', 'override': [{'name': 'shared_fcs'}, {'name': 'cls_fcs'}, {'name': 'reg_fcs'}]}])
)

由于mmdetection也是基于pytorch的，所以可以看到我们这里的Faster RCNN的检测模型也是一个nn.Module的子类，与我们平时自己使用pytorch定义的模型类似。只不过在mmdetection中已经被封装的很好了。

result：

type(result)   # print(type(result)) for .py
len(result)
result[0]

list80array([[3.7534842e+02, 1.1917159e+02, 3.8195099e+02, 1.3446083e+02,1.3552596e-01],[5.3236182e+02, 1.0955501e+02, 5.4052661e+02, 1.2522261e+02,8.8892356e-02],[3.6112421e+02, 1.0904940e+02, 3.6862576e+02, 1.2248302e+02,7.2088778e-02]], dtype=float32)

这里的result就是我们检测的结果了。其最外层是一个列表，长度为80，这是因为我们使用COCO数据集进行训练的，共有80个类，其返回的结果就是每个类可能存在的边界框。

最外层列表的每个元素即是其中一类可能存在的 nnn 个边界框。每个边界框由四个值来表示，最后一个是置信度，而前四个则是xyhw格式（中心点坐标+高和宽）的边界框坐标。

show_result_pyplot函数中给出的参数 score_thr 即是置信度的阈值，即各个边界框的置信度大于该值时才会被显示。

我们可以将阈值 score_thr更改看一下

result = inference_detector(model, image)
show_result_pyplot(model, image, result, score_thr=0.2)        # 将阈值由 0.9 改为 0.2

将阈值由 0.9 改为 0.2，可以明显看到显示出来的边界框个数增多了。

教程中还给出了单独使用RPN网络生成提议框的展示，来帮助大家理解RPN网络。我们这里只是展示mmdetecition的用法，展示RPN的流程和我们展示Faster RCNN都是一样的，只是将config和checkpoint对应替换即可，有兴趣可以自己动手是一些，这里就不再详细介绍了。

本次mmdet的安装和初步inference demo尝试就记录到这里，后续会继续记录一下笔者使用mmdet的过程。