首页 > 其他分享 >支持国产——使用mmdetection进行目标检测并保存推理结果图片

支持国产——使用mmdetection进行目标检测并保存推理结果图片

时间:2024-09-05 15:54:13浏览次数:13  
标签:faster img jpg 国产 mmdetection rcnn 推理 目录

⭐️ 概述

MMDetection是OpenMMLab算法体系的一部分,OpenMMLab是一个国产的开源计算机视觉算法体系。

在这里插入图片描述

今天小编初次体验了MMDetection,怀着激动的心情,将这次体验记录下来。

⭐️ 准备工作

笔者的cuda版本是11.8

python环境中 pytorch 相关版本是:

torch                        1.13.1
torchaudio                   0.13.1
torchvision                  0.14.1

安装 mmcv

pip install -U openmim
mim install mmcv==2.1.0

安装 mmdetection

新建一个目录,在该目录下执行:

git clone [email protected]:open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements.txt
python setup.py develop

注意,执行完上面的命令后,本步骤所建目录的子目录 mmdetection,即为 mmdetection 安装目录。

目前mmdetection的版本为 3.3.0。

⭐️ 开始使用

新建项目目录,该目录独立于 mmdetection 安装目录

项目目录结构如下:

在这里插入图片描述
其中demo.py 的内容如下

import os
import mmcv
from mmdet.apis import init_detector, inference_detector
from mmdet.visualization import DetLocalVisualizer


# mmdetection 安装目录,该值取决于你的安装环境
base_dir = 'xxx'
# 输入图片
in_img = 'demo1.jpg'
# in_img = 'demo2.jpg'
# 结果图片
out_img = 'out1.jpg'
# out_img = 'out2.jpg'

if __name__ == '__main__':
    # 模型配置文件
    config_file = os.path.join(base_dir, 'configs/faster_rcnn/faster-rcnn_r50_fpn_1x_coco.py')
    # 模型 checkpoint 文件
    # 下载地址: https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
    checkpoint_file = r'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
    # 构建模型
    model = init_detector(config_file, checkpoint_file, device='cuda:0')
    # 测试单张图片
    img = mmcv.imread(in_img)
    # 利用模型对图片进行推理
    result = inference_detector(model, img)
    # 打印推理结果
    print(result)
    # 可视化推理结果并保存图片
    visualizer = DetLocalVisualizer()
    visualizer.add_datasample('detection', img, result, draw_pred=True, show=False, out_file=out_img)

base_dir一定要换成 mmdetection 安装目录,

我们准备利用Faster Rcnn 对两张图片进行推理,图片分别是

demo1.jpg

在这里插入图片描述
demo2.jpg

在这里插入图片描述
推理结果如下

在这里插入图片描述

在这里插入图片描述
效果感觉刚刚的

在这里插入图片描述

标签:faster,img,jpg,国产,mmdetection,rcnn,推理,目录
From: https://blog.csdn.net/weixin_37522117/article/details/141900418

相关文章

  • 重塑未来:算力产业链的爆发式增长与国产化战略
    NO.1算力产业链的崛起与构成算力产业链作为数字经济时代的核心支撑,其重要性不言而喻。它涵盖了从芯片设计、制造、封装测试,到服务器生产、部署,再到数据中心运营、云服务提供等多个关键环节,形成了一个紧密相连、相互促进的生态系统。这个系统的每一个部分都在不断创新与升级,共同推动......
  • 转载:国产麒麟、统信系统在线编辑word并拆分成多个子文件
            在实际的开发过程中,有时会遇到希望提取Word文档中部分内容保存为子文件的需求,PageOffice支持提取Word文档数据区域中的内容为一个Word文件流,在服务器端创建PageOffice的WordReader命名空间中的WordDocument对象并获取到DataRegion对象,再调用DataRegion对象的Fil......
  • LZC3106A国产高性能、高精度谐振模式双端控制器,专用LLC半桥谐振电路的控制应用
    综合描述LZC3106是一款高性能、高精度谐振模式双端控制器,专用于LLC半桥谐振电路的控制应用。它提供50%的互补占空比:高压侧开关和低压侧开关在完全相同的时间内以180°反相方式导通/关断。控制器通过调节系统工作频率来实现对输出电压的调制和稳定.LZC3106......
  • 深度学习|模型推理:端到端任务处理
    文章目录引言端到端的能力任务与模型简介手写数字识别数据准备训练集与测试集模型介绍推理过程前向传播权重参数推理与评估结语引言通过前文「深度学习|感知机:神经网络之始」中XORGate的示例,我们知道叠加层可以增强感知机的表达能力。神奇的是,实际上通过简单的......
  • 国产化:springboot项目TongWeb替换tomcat踩坑实录
    前言全流程记录Tongweb替换Tomcat过程,最终实现为使用内嵌的Tongweb依赖替换SpringBoot默认的Tomcat,所以可直接从第5节开始看如何使用内嵌TongWeb替换Tomcat。1背景国产化浪潮下,项目要求实现web服务器的国产化,使用Tongweb替换Tomcat,商业版的Tongweb是单独启动的一个服务,需要......
  • 【国产游戏的机遇与挑战】
    ......
  • YOLOv5 结合切片辅助超推理算法 | 这才叫让小目标无处遁形!
    引言YOLOv5作为一种高效的目标检测算法,在许多领域得到了广泛应用。然而,在处理小目标检测任务时,YOLOv5仍然面临一些挑战。切片辅助超推理算法则为解决这一问题提供了一种有效的思路。本文将深入探讨YOLOv5与切片辅助超推理算法结合的原理、实现细节、以及在小目标检测方面的优......
  • 使用docker部署tensorrtllm推理大模型baichuan2-7b
    简介大模型的推理框架,我之前用过vllm和mindie。近期有项目要用tensorrtllm,这里将摸索的过程记录下,特别是遇到的问题。我的环境是Linux+rt3090准备docker环境本次使用docker镜像部署,需要从网上拉取:dockerpullnvcr.io/nvidia/tritonserver:24.08-trtllm-python-py3Th......
  • 国产RFSoC 47DR/28DR/27DR核心板
    采用FDW复旦微电子FMZQ28DR-RFSoC处理器,兼容Gen1ZU28/27、Gen3ZU48/47DRRFSoC,拥有8个RF-ADC、8个RF-DAC通道。提供完整的应用示例源代码和性能分析工具,主要用于小尺寸、低功耗、实时处理RF系统的快速集成与应用部署,缩短产品开发周期。主要技术指标: 核心处理器:Gen3 ZU48(47)DR......
  • TapData 信创数据源 | 国产信创数据库 Vastbase 数据同步指南,加速国产化进程,推进自主
    随着国家对自主可控的日益重视,目前在各个行业和区域中面临越来越多的国产化,采用有自主知识产权的国产数据库正在成为主流。长期以来,作为拥有纯国产自研背景的TapData,自是非常重视对于更多国产信创数据库的数据连接器支持,旗下产品已陆续与阿里云、华为云、麒麟软件、优炫数据库、A......