源码分析- demo-对象检测

python demo/demo.py --config-file
configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input 001.jpg
–output results --opts MODEL.WEIGHTS
detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

调用关系

基本流程是先下载pkl模型文件，再解析参数，加载配置文件（default的和参数的，再合并）。

然后读image文件，这里使用实例分割算法处理数据。

获取到预测的box等信息后，调用Visualizer的相关函数将检测结果绘制出来。

调用的log信息如下。

sxia: cpu_device= cpu
[32m[05/14 15:39:51 fvcore.common.checkpoint]:[0mLoading checkpoint from detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
[32m[05/14 15:39:51 fvcore.common.file_io]:[0mURL https://dl.fbaipublicfiles.com/detectron2/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl cached in /home/lappai/.torch/fvcore_cache/detectron2/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
[32m[05/14 15:39:51 fvcore.common.checkpoint]:[0mReading a file from ‘Detectron2 Model Zoo’
sxia: args.input= [‘001.jpg’]
sxia call:
sxia: run_on_image predictions= {‘instances’: Instances(num_instances=16, image_height=342, image_width=512, fields=[pred_boxes: Boxes(tensor([[8.4740e+00, 4.6892e+01, 1.4996e+02, 3.3636e+02],