Mask R-CNN pytorch实现代码测试和解读

facebook发布的，应该值得精读。（挖坑填）

相关安装

建议按照教程新建anaconda环境以免冲突。

环境和库文件安装

安装要求和步骤，直接执行：

https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md

conda create --name maskrcnn_benchmark
conda activate maskrcnn_benchmark

conda install ipython

pip install ninja yacs cython matplotlib tqdm

#此步骤不建议，最好离线直接安装
conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0

export INSTALL_DIR=$PWD

cd $INSTALL_DIR
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install

cd $INSTALL_DIR
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark

python setup.py build develop

unset INSTALL_DIR

(其中pytorch 1.0 装得很慢，而且经过测试没必要使用作者的nightly版本，直接用离线包安装1.0就行) 

注意：这个build编译和安装后会把maskrcn装作一个pip库从中引用，如果编译失败会在from maskrcnn_benchmark.config import cfg报错，因为找不到该库文件。安装后conda list会有显示如下：

权重文件下载

权值文件作者在代码中集成了，自动下载，速度比较快，直接用他的就行。在运行demo的时候会自动检测对应位置是否有权值文件，没有的话会进行下载，下载路径很奇怪，嵌入到torch的隐藏文件夹了：

 cd进入文件夹可以查看下载的ResNet-50和ResNet-101模型以及网络的权重：

运行demo 

两种方式利用现成参数inference

webcam摄像头检测分割

进入demo文件夹下，直接运行即可：

python webcam.py

图片检测分割

原文档没写清楚，稍微改改自己加一个文件就行，新建一个demo.py，其中写入如下：

from maskrcnn_benchmark.config import cfg
from predictor import COCODemo
import torch
import cv2
import ipdb

ipdb.set_trace(context=35)

config_file = "../configs/caffe2/e2e_mask_rcnn_R_101_FPN_1x_caffe2.yaml"
cfg.merge_from_file(config_file)
cfg.merge_from_list(["MODEL.DEVICE", "cpu"])
coco_demo = COCODemo(
    cfg,
    min_image_size=800,
    confidence_threshold=0.7,
)
image = cv2.imread('/py/pic/2.jpg')
predictions = coco_demo.run_on_opencv_image(image)
cv2.imshow("COCO detections", predictions)
cv2.waitKey(0)

其中更换图片路径即可，config这里用的resnet-101，如果显存不够改成50即可（700M很小了）。注意：config建议用caffe路径下的，外面的会下载预训练权重，不能检测，是留作训练用的。

运行即可：

python demo.py

可以得到分割结果：