Detectron2源碼分析- demo-對象檢測

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

調用關係

基本流程是先下載pkl模型文件，再解析參數，加載配置文件（default的和參數的，再合併）。

然後讀image文件，這裏使用實例分割算法處理數據。

獲取到預測的box等信息後，調用Visualizer的相關函數將檢測結果繪製出來。

調用的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],