Detectron2 快速开始，使用 WebCam 测试

本文将引导快速使用 Detectron2 ，介绍用摄像头测试实时目标检测。

Detectron2: https://github.com/facebookresearch/detectron2

环境准备

基础环境

Ubuntu 18.04
- 系统安装，可见制作 USB 启动盘，及系统安装
Nvidia Driver
- 驱动安装，可见 Ubuntu 初始配置 - Nvidia 驱动
Anaconda Python
- 从这里下载 Linux 版本，并安装

Detectron2

安装，

# 创建 Python 虚拟环境

conda create -n detectron2 python=3.8 -y

conda activate detectron2

# 安装 PyTorch with CUDA

conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 -c pytorch -y

# 安装 Detectron2

git clone https://github.com/facebookresearch/detectron2.git

python -m pip install -e detectron2

# 安装 OpenCV ，捕获相机图像及显示

pip install opencv-python

检查，

$ python - <<EOF

import torch, torchvision

print(torch.__version__, torch.cuda.is_available())

import cv2 as cv

print(cv.__version__)

EOF

1.7.1 True

4.5.1

安装文档 - 官方

现有模型进行推断

从其 model zoo 选择一个感兴趣的模型进行推断。这里以 COCO R50-FPN 3x 训练的各类模型进行演示。

下载 model 进如下路径，

detectron2/models/

├── COCO-Detection

│   └── faster_rcnn_R_50_FPN_3x

│       └── 137849458

│           ├── metrics.json

│           └── model_final_280758.pkl

├── COCO-InstanceSegmentation

│   └── mask_rcnn_R_50_FPN_3x

│       └── 137849600

│           ├── metrics.json

│           └── model_final_f10217.pkl

├── COCO-Keypoints

│   └── keypoint_rcnn_R_50_FPN_3x

│       └── 137849621

│           ├── metrics.json

│           └── model_final_a6e10b.pkl

└── COCO-PanopticSegmentation

    └── panoptic_fpn_R_50_3x

        └── 139514569

            ├── metrics.json

            └── model_final_c10459.pkl

目标检测 - Faster R-CNN

执行，

cd detectron2/

mkdir -p _output

python demo/demo.py \

--config-file configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml \

--input ../data/bicycle.jpg \

--output _output/bicycle_COCO-Detection.jpg \

--confidence-threshold 0.5 \

--opts MODEL.WEIGHTS models/COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl

结果，

实例分割 - Mask R-CNN

执行，

python demo/demo.py \

--config-file configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \

--input ../data/bicycle.jpg \

--output _output/bicycle_COCO-InstanceSegmentation.jpg \

--confidence-threshold 0.5 \

--opts MODEL.WEIGHTS models/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

结果，

姿态估计 - Keypoint R-CNN

执行，

python demo/demo.py \

--config-file configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml \

--input ../data/bicycle.jpg \

--output _output/bicycle_COCO-Keypoints.jpg \

--confidence-threshold 0.5 \

--opts MODEL.WEIGHTS models/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x/137849621/model_final_a6e10b.pkl

结果，

全景分割 - Panoptic FPN

执行，

python demo/demo.py \

--config-file configs/COCO-PanopticSegmentation/panoptic_fpn_R_50_3x.yaml \

--input ../data/bicycle.jpg \

--output _output/bicycle_COCO-PanopticSegmentation.jpg \

--confidence-threshold 0.5 \

--opts MODEL.WEIGHTS models/COCO-PanopticSegmentation/panoptic_fpn_R_50_3x/139514569/model_final_c10459.pkl

结果，

WebCam 摄像头使用

获取本机的 WebCam 列表，

$ ls /dev/video*

/dev/video0  /dev/video1  /dev/video2  /dev/video3

# 查看 WebCam 列表

#   如下：有 0, 2 两个 videos

#   - 第一个是 video ，第二个是 metadata

#   - 从 Linux Kernel 4.16 开始，增加的 metadata node

$ sudo apt install v4l-utils

$ v4l2-ctl --list-devices

HD Webcam: HD Webcam (usb-0000:00:14.0-13):

	/dev/video0

	/dev/video1

HD Pro Webcam C920 (usb-0000:00:14.0-4):

	/dev/video2

	/dev/video3

# 查看某 WebCam 支持的格式、分辨率、fps 信息

$ v4l2-ctl -d 2 --list-formats-ext

demo/demo.py 可修改期望打开的摄像头及其分辨率等，

elif args.webcam:

  cam = cv2.VideoCapture(2)

  cam.set(cv2.CAP_PROP_FRAME_WIDTH, 640)

  cam.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

  cam.set(cv2.CAP_PROP_FPS, 30)

  print(f"wencam: {cam.get(cv2.CAP_PROP_FRAME_WIDTH)}x{cam.get(cv2.CAP_PROP_FRAME_HEIGHT)} {cam.get(cv2.CAP_PROP_FPS)}")

运行，

python demo/demo.py \

--config-file configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml \

--webcam \

--confidence-threshold 0.5 \

--opts MODEL.WEIGHTS models/COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl

效果，

GoCoding 个人实践的经验分享，可关注公众号！

巴特西