今天,Facebook Research 团队在 Github 上更新了用 PyTorch 1.0 实现的 Faster R-CNN 和 Mask R-CNN,为了让大家可以用 PyTorch 1.0 更加方便地创建图像识别和 segmentation 相关的项目。
项目特点
- PyTorch 1.0: RPN, Faster R-CNN 和 Mask R-CNN 的实现和我们的 Detectron 实现的准确率相当甚至更好
- 速度很快: 比 Detectron 快 2 倍,比 mmdetection 训练速度快 30%
- 高效的内存管理: 在训练阶段比 mmdetection 少占用 500MB 的 GPU 内存
- 支持多 GPU 训练和推理
- 分批推理: 支持一次输入多张图片
- 支持使用 CPU 推理
- 提供几乎所有的 Mask R-CNN 和 Faster R-CNN 1x schedule 配置的预训练模型
安装需求
- PyTorch 1.0 (nightly release)
- torchvision
- cocoapi
- yacs
- matplotlib
- (可选) OpenCV for the webcam demo
安装命令实例如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 | # maskrnn_benchmark and coco api dependencies pip install ninja yacs cython matplotlib # follow PyTorch installation in https://pytorch.org/get-started/locally/ # we give the instructions for CUDA 9.0 conda install pytorch-nightly -c pytorch # install torchvision cd ~/github git clone git@github.com:pytorch/vision.git cd vision python setup.py install # install pycocotools cd ~/github git clone git@github.com:cocodataset/cocoapi.git cd cocoapi/PythonAPI python setup.py build_ext install # install PyTorch Detection cd ~/github git clone git@github.com:facebookresearch/maskrcnn-benchmark.git cd maskrcnn-benchmark # the following will install the lib with # symbolic links, so that you can modify # the files if you want and won\'t need to # re-build it python setup.py build develop # or if you are on macOS # MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang python setup.py build develop |
Github 项目地址
本项目的 Github 地址:https://github.com/facebookresearch/maskrcnn-benchmark
本站微信群、QQ群(三群号 726282629):
跑不起来呀, 大家能用吗
请问一定需要CUDA运行吗?虚拟机下如何跑demo呢?