2.2 Demo测试
安装准备：
CUDA
cuDNN
CAFFE2
Detectron平台安装
目前电脑配置主要有：
台式机 RTX2070显卡
笔记本 1060显卡
2.2.1 测试动物园mode
- 测试步骤
测试Mask-RCNN同样在下载的Detectron的源代码里，使用Detectron中tools/infer_simple.py完成Mask-RCNN的测试，而在开始测试最好先下载两个测试会用的参数模型，但是如果你认为你的网速足够快，线路足够好，可以直接测试运行测试。
线路稳定的测试代码：
python2 tools/infer_simple.py
–cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml
–output-dir /tmp/detectron-visualizations
–image-ext jpg
–wts https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl
demo
含义解释：
在上面的使用中，infer_simple.py一共使用了5个参数：
1， --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml
使用–cfg来指定模型的配置文件，该文件等同于solver.prototxt加上py-faster-rcnn中的配置文件；
2，–output-dir /tmp/detectron-visualizations
把检测结果可视化，并以pdf的格式生成在/tmp/detectron-visualizations目录中；
3，–image-ext jpg
寻找jpg后缀的文件；
4，–wts https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl…
模型文件，支持http协议，这种情况下，将会下载此模型文件到本地的/tmp目录下：
[email protected]:~/detectron/tools# ls -l /tmp/detectron-download-cache/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl
-rw-r–r-- 1 gemfield gemfield 514281564 Feb 26 12:50 /tmp/detectron-download-cache/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl
注意：在本命令中也会下载cfg文件中配置的预训练模型（如果使用的是http地址的话）。
12) demo
检测当前demo目录里jpg后缀的图片；
修改改写:
python2 tools/infer_simple.py
–cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml
–output-dir /tmp/detectron-visualizations
–image-ext jpg
–wts https://dl.fbaipublicfiles.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl
demo
测试结果:
- 本地测试mode
下载两个模型
下载地址：
https://download.csdn.net/download/u010240012/12321306
独立下载模型的测试代码是
python2 tools/infer_simple.py
–cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml
–output-dir output/test1
–image-ext jpg
–wts model/MaskRCNN/e2e_mask_rcnn_R-101-FPN_2x_model_final.pkl
Demo - 错误与解决
错误1：
问题：detection yaml.constructor.ConstructorError
解决办法：
①、该BUG是在安装PyYAML安装5.0的版本导致的。
②、因此卸载该版本，终端输入“pip uninstall PyYAML”。
③、终端输入“pip install --user PyYAML==3.10”然后重新安装，即可修复该问题。
错误2：
AssertionError: Detectron only automatically caches URLs in the Detectron S3 bucket: https://dl.fbaipublicfiles.com/detectron
目前网址不支持以外的网址，更改地址，或直接下载文件
2.2.2 测试骨干识别mode
python2 tools/infer_simple.py
–cfg configs/12_2017_baselines/e2e_keypoint_rcnn_R-101-FPN_s1x.yaml
–output-dir /tmp/detectron-visualizations
–image-ext jpg
–wts https://dl.fbaipublicfiles.com/detectron/37698009/12_2017_baselines/e2e_keypoint_rcnn_R-101-FPN_s1x.yaml.08_45_57.YkrJgP6O/output/train/keypoints_coco_2014_train%3Akeypoints_coco_2014_valminusminival/generalized_rcnn/model_final.pkl
demo
显示在根目录tmp下文件夹内
输出到output/test2
python2 tools/infer_simple.py
–cfg configs/12_2017_baselines/e2e_keypoint_rcnn_R-101-FPN_s1x.yaml
–output-dir output/test2
–image-ext jpg
–wts model/MaskRCNN/e2e_keypoint_rcnn_R-101-FPN_s1x_model_final.pkl
demo