【detectron2】Detectron2 Tutorial and Overview

31 Jan 2021 in Pytorch / Docker / Git

• detectron2 Github
• 이전에 detectron2와 mmdetection에 대해서 간단하게 분석해본 내용도 참고해보자.

아래의 과정을 하면 된다. 지금 코렙으로 밖에 작업하지 못해서 실제 내가 할 수 있는 작업은 굉장히 제한적이다.

1. INSTALL.md

• Build Detectron2 from Source : $ pip install \<module_name\> -f \<url or path to an html file for parsing link to archives\>
• Use the container(with docker ≥ 19.03). 이 과정은 docker를 사용하고 싶다.
  1. ml-workspace의 docker Image를 활용한 detectron2 모듈 설치
  2. detectron2 dockerfile을 사용한 $ docker build

2. Colab Notebook

• 자세한 설명은 과거 detectiron2를 사용한 선박검출 프로젝트 이전 Post 참고
• install
  1. pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/torch1.7/index.html
• Inference
  1. cfg = get_cfg() (from detectron2.config import get_cfg)
  2. predictor = DefaultPredictor(cfg) (from detectron2.engine import DefaultPredictor)
  3. outputs = predictor(im)
  4. out = Visualizer.draw_instance_predictions(outputs[“instances”].to(“cpu”)) (from detectron2.utils.visualizer import Visualizer)
• Train & Inference
  1. def get_balloon_dicts -> return: [ {‘file_name’: ~},{:height’: ~},{‘annotations’ : [{ }, { }] } ]
  2. DatasetCatalog.register(“balloon_” + d, lambda d=d: get_balloon_dicts(“balloon/” + d)) (from detectron2.data import MetadataCatalog, DatasetCatalog)
  3. change cfg like “cfg.MODEL.ROI_HEADS.NUM_CLASSES = 1”
  4. trainer = DefaultTrainer(cfg) (from detectron2.engine import DefaultTrainer)
  5. %load_ext tensorboard
  6. predictor = DefaultPredictor(cfg)
  7. AP 계산하기 :
     from detectron2.evaluation import COCOEvaluator, inference_on_dataset
     from detectron2.data import build_detection_test_loader

3. Getting Started with Detectron2

• $ python demo.py 실행법(webcam, video, cpu, save output 등..)
• $ python train_net.py

4. Mask-rcnn \w code

• 이 과정을 통해 detectron2 코드 내부를 좀 더 깊이 이해해보기