mmdetection源码解读（一） Pytorch

一、安装测试：(官方github上很详细)

https://github.com/open-mmlab/mmdetection

测试：

from mmdet.apis import init_detector, inference_detector, show_resultif __name__ == '__main__': config_file = 'configs/faster_rcnn_r50_fpn_1x.py' checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth' img_path = 'test.jpg'model = init_detector(config_file, checkpoint_file, device='cuda:0')result = inference_detector(model, img_path) show_result(img_path, result, model.CLASSES)

测试注意事项：
1. mmdetection目前不支持Windos系统，我使用Ubuntu16.04
2.`checkpoint_file` 是我在mmdetection目录下创建了一个checkpoints文件夹，然后手动下载
（链接：https://pan.baidu.com/s/1jC_9DJWrnwB8tm9LnGAHeQ提取码：indv ）的权值，也可以自动下载的应该。
如果跑通应该没啥问题了。
二：mmdetection/utils/registry.py 文档解读：

import inspectimport mmcvclass Registry(object): """ 这里主要实现一个Registry类，用来规范注册网络的各个模块，比如backebone, neck,还有dataset,pipeline等等这些模块。 """ def __init__(self, name): self._name = name self._module_dict = dict()def __repr__(self): """这个函数主要是给类一个输出，我的理解是就是输出类相关信息。用下面的代码自己测试看看。 #from mmdet.utils import Registry #print(Registry('backbone')) """ format_str = self.__class__.__name__ + '(name={}, items={})'.format( self._name, list(self._module_dict.keys())) return format_str@property#负责修饰一个对象函数,让类生成成员变量对应的setter和getter函数 def name(self): return self._name@property def module_dict(self): return self._module_dictdef get(self, key): return self._module_dict.get(key, None)def _register_module(self, module_class): """Register a module.Args: module (:obj:`nn.Module`): Module to be registered. """ if not inspect.isclass(module_class): raise TypeError('module must be a class, but got {}'.format( type(module_class))) module_name = module_class.__name__ if module_name in self._module_dict: raise KeyError('{} is already registered in {}'.format( module_name, self.name)) self._module_dict[module_name] = module_classdef register_module(self, cls): self._register_module(cls) return clsdef build_from_cfg(cfg, registry, default_args=None): """ 这个函数大意就是从config文件中cfg各个模块使用registry进行注册。 Build a module from config dict.Args: cfg (dict): Config dict. It should at least contain the key "type". registry (:obj:`Registry`): The registry to search the type from. default_args (dict, optional): Default initialization arguments.Returns: obj: The constructed object. """ assert isinstance(cfg, dict) and 'type' in cfg assert isinstance(default_args, dict) or default_args is None args = cfg.copy() obj_type = args.pop('type') if mmcv.is_str(obj_type): obj_cls = registry.get(obj_type) if obj_cls is None: raise KeyError('{} is not in the {} registry'.format( obj_type, registry.name)) elif inspect.isclass(obj_type): obj_cls = obj_type else: raise TypeError('type must be a str or valid type, but got {}'.format( type(obj_type))) if default_args is not None: for name, value in default_args.items(): args.setdefault(name, value) return obj_cls(**args)

三：数据集介绍：
mmdetection现在支持coco和voc数据集格式，数据集的格式使用官方介绍的
mmdetection
----------------- data
-----coco
-----VOCdevkit
主要嵌套关系是
以mmdetection/mmdet/datasets/cityscapes.py为例：

from .coco import CocoDataset from .registry import DATASETS @DATASETS.register_module class CityscapesDataset(CocoDataset): """ 自定义coco格式数据类<------CocoDataset <-----------CustomDataset <----------Dataset(torch.utils.data.Dataset) VOCDataset<-----------XMLDataset<----------CustomDataset<--------Dataset(同上)其他一些函数主要是用来读取分析coco的.json和voc的XML文件的，具体细节先不谈，先了解整体框架""" CLASSES = ('person', 'rider', 'car', 'truck', 'bus', 'train', 'motorcycle', 'bicycle')

【mmdetection源码解读（一）】