雜亂大全28-Deteron2簡介(下)

前言:介紹Deteron2(下篇)

tags: `六角學院`

主題:雜亂大全28-Deteron2簡介(下)

本篇重點:

接續前一篇，學習Deteron2

資料集 Dataset

分成 DatasetCatalog和MetadataCatalog
DatasetCatalog－每張圖片和對應的標籤
MetadataCatalog－資料集的描述

使用方式
from detectron2.data import DatasetCatalog, MetadataCatalog
DatasetCatalog.register(dataset_name, dataset_dicts)
dicts = DatasetCatalog.get(dataset_name)
MetadataCatalog.get("my_dataset").thing_classes = ["person", "dog"]

- 若要調用其他public dataset的資料
  
  下載後放置在DETECTRON2_DATASETS
  1
  $ export DETECTRON2_DATASETS=/path/to/datasets
  程式上加上
  1
  from .data.datasets import builtin
- 目前支援的資料集
  為COCO instance/keypoint detection, PanopticFPN,
  LVIS instance segmentation, cityscapes, Pascal VOC，
  對應的資料 : https://github.com/facebookresearch/detectron2/tree/master/datasets

範例:
from detectron2.data.datasets import register_coco_instances
register_coco_instances("my_dataset", {}, "json_annotation.json", "path/to/image/dir")
# generate json_annotation.json only
data_dicts = load_coco_json(json_file, image_root, name)
# after some processing ...
DatasetCatalog.register('my-coco', new_data_dicts)

自己的資料不屬於上述的話，要用字典處理

# 用一個function把資料處理完
def get_balloon_dicts(img_dir):
    ...
    return dataset_dicts
for d in ["train", "val"]:
    DatasetCatalog.register("balloon_" + d, lambda d=d: get_balloon_dicts("balloon/" + d))
    MetadataCatalog.get("balloon_" + d).set(thing_classes=["balloon"])

:::success
整體來說像快速平台或說很大的庫
提供加速訓練與模型選用及圖片庫
官方說:We provide a large set of baseline results and trained models available for download in the Detectron2 Model Zoo.
:::

Detectron2 Model Zoo (一大堆可以調用)
https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md
測試:使用Detectron2分6步進行目標檢測
https://www.mdeditor.tw/pl/pXlV/zh-tw

實作程式碼

方便的地方

利用detectron2的model zoo中
有取多的pretrain model可以去進行training

直接裝在電腦上

安裝步驟:
conda create --name mypytorch python=3.6
activate mypytorch
#我為了搭配tf 14版，所以選擇用以下方式安裝torch
conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses
conda install -c conda-forge libuv=1.39
git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
python setup.py install
(要記得安裝Microsoft Visual tools 2017)

以上也可參考安裝 https://zhuanlan.zhihu.com/p/106798487

:::info
因cuda與我的TF衝突，改用Google Colab執行
:::

本次調用 mask_rcnn_R_50_FPN_3x
- 程式碼位置(整個zip檔下載)
  https://1drv.ms/u/s!AqstO-BYCWeDx03kDSm2ImrK5V9b?e=Tq6TJ5

下載後，在Colab上傳檔案(語法)

1 2	from google.colab import files uploaded = files.upload()

測試原圖:
結果:

補充資料

利用detectron2快速使用faster RCNN
https://medium.com/mess-up/%E5%88%A9%E7%94%A8detectron2%E5%BF%AB%E9%80%9F%E4%BD%BF%E7%94%A8faster-rcnn-a68e58c2ca21
取Detectron2導覽: FAIR推出能快速建置Object
https://shunhsiang.medium.com/detectron2%E5%B0%8E%E8%A6%BD-fair%E6%8E%A8%E5%87%BA%E8%83%BD%E5%BF%AB%E9%80%9F%E5%BB%BA%E7%BD%AEobject-detection-segmentation%E7%9A%84%E8%A8%93%E7%B7%B4%E5%B9%B3%E5%8F%B0-%E4%B8%8A-4eedd6babe78

:::info
備註:感謝上述引用資料的分享!
:::

tags: 六角學院