我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

已失效

mmdetection

2022-06-10 model:mask-r-cnn-ubuntu18.04-cuda11.0-cudnn8-python3.8-pytorch1.7.0-new

模型标签
工具库

工具库简介

工具库介绍: 一个对象检测工具箱,其中包含一组丰富的对象检测和实例分割方法以及相关组件和模块。该工具箱从获得 COCO Challenge 2018 检测赛道的 MMDet 团队的代码库开始,逐渐演变为一个涵盖多种流行检测方法和当代模块的统一平台。它不仅包括训练和推理代码,还为 200 多个网络模型提供了权重。我们相信这个工具箱是迄今为止最完整的检测工具箱。在本文中,我们介绍了该工具箱的各种功能。此外,我们还对不同的方法、组件及其超参数进行了基准测试研究。我们希望工具箱和基准能够通过提供灵活的工具包来重新实现现有方法并开发自己的新检测器,从而为不断发展的研究社区服务。官方论文:https://arxiv.org/pdf/1906.07155v1.pdf

下文将以Mask-RCNN(使用Swin Transformer作为backbone)为例,介绍如何通过mmdetection工具包进行模型复现。以下资料由用户Mr.Cai提供。


  1. 使用方法

  2. 模型来源


1. 使用方法

1.1. 环境配置

在终端,在root/Swin-Transformer-Object-Detection-master(默认)路径下,运行以下命令:

cd ../apex-master
python setup.py develop
# 安装apex
cd ../Swin-Transformer-Object-Detection-master
python setup.py develop
# 安装mmdetection所需依赖库

1.2. 模型推断

在终端,进入root/Swin-Transformer-Object-Detection-master(默认)路径下,运行以下命令:

python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth
# 如需复现其他模型可自行前往模型论文对应github上下载权重文件

1.3. 模型训练

在终端,进入root/Swin-Transformer-Object-Detection-master(默认)路径下,运行以下命令:

python tools/train.py configs/swin/mask_rcnn_swin_small_patch4_window7_mstrain_480-800_adamw_3x_coco.py

2. 模型来源

https://github.com/open-mmlab/mmdetection