今天我们要来实现一个经典的目标检测模型:Faster-Rcnn。我们使用DAMODEL云平台来实现,这是个很强大的云端平台,功能众多,你可以投你所好去进行你想做的事情。
首先,你需要通过 Mobaxterm 来远程连接服务器,这是一个简单而功能强大的SSH远程连接工具。
安装步骤:
速度可能会比较慢,我们稍微等待。
下载本文所用到的源码,并准备好以便后续操作。
点击此处下载源码:https://s3.damodel.com/damodel-openfile/mmdetection-3.3.0.zip
ssh -p 39763 root@cn-north-b.ssh.damodel.com
成功登录后,你将进入服务器的命令行界面。
输入root再按回车即可登录。
/root/workspace/
目录。unzip mmdetection-3.3.0.zip
接下来,安装 Faster-RCNN 的所需环境。你需要依次运行以下命令:
# 安装mmcv包
pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu121/torch2.1/index.html -i https://mirrors.aliyun.com/pypi/simple/
# 安装mmdetection
cd mmdetection-3.3.0
pip install -r requirements/build.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install -v -e ./ -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 安装必要包
pip install numpy==1.24.4 setuptools==69.5.1 instaboostfast -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 安装全景分割依赖
cd panopticapi
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..
# 安装LVIS数据集依赖
cd lvis-api
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..
# 安装albumentations依赖
pip install -r requirements/albu.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple/
运行测试脚本,确保所有环境安装完毕:
python 1.py
COCOmini 数据集是一种常用于目标检测、实例分割、关键点检测等计算机视觉任务的数据集。它包含以下特点:
你可以使用 COCO 数据集进行训练,模型将从中学习多样化的物体特征。
Faster-RCNN 的代码已经调试完成,你只需运行以下命令,即可开始训练模型:
python ./tools/train.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py
# 他会自动下载权重,并开始训练,耐心等待即可。
该命令会自动下载预训练权重,开始模型训练。请耐心等待,训练时间视硬件配置而定。
经过训练后,你可以使用训练好的模型权重进行数据集预测,以下是测试步骤:
python tools/test.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py ./checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --show-dir /root/workspace/mmdetection-3.3.0/result/
测试结果将会保存在指定目录中,包含原始物体位置和模型预测的对比。
为了保存训练环境和结果数据,你可以创建一个镜像,这样下次使用时不需要重新配置环境。具体步骤如下:
以上就是 Faster-RCNN 训练与测试的完整流程。通过上述步骤,你可以顺利完成云端训练环境的搭建、模型训练与测试,并保存实验结果方便后续使用。