UP主的碎碎念

码友们，大家好！我是一名研二的在读生，目前的研究方向为目标检测与知识蒸馏。在这里我将开启一个专栏博客《MMDetection快速上手详细教程》，来帮助相关的工作者或科研人员快速上手并应用MMDetection。我将结合我一年半的使用经验，从环境搭建、模型配置文件、数据如何进行feedforward(在哪些py脚本中进行)、如何配置自己的数据集进行训练以及模型如何进行魔改等方面进行介绍。希望各位能点赞+收藏，这是我更新的最大动力！如果大家觉得有需要，我还可以在b站录制视频带领大家上手MMDetection。
此外，我还会在这个账号更新我阅读的一些论文以及自己的一些思考，感谢大家的支持！

前言

MMDetection是一个由商汤科技和香港中文大学MMLab实验室联合开发的一种基于Pytorch的目标检测开源项目。这个项目中集成了众多经典以及最新的目标检测器，包括一阶段、二阶段以及基于transformer的检测器。由于这个项目文件较为庞大且复杂，对于小白来说比较难上手。但是熟练使用之后，无论是工作需要使用自制数据集训练一个目标检测器，又或者是科研工作者需要修改模型印证自己的idea，他都是一个强大且实用的工具。
接下来废话不多说，开始环境搭建的介绍。

环境搭建

1. Anaconda的安装

在搭建环境之前，我们需要先安装Anaconda。这不仅是官网文档给出的教程中使用了Anaconda，这更是对科研人员基本素养的要求。在一个团队中，一台服务器不可能只有自己一个人在使用，为了避免破坏其他人搭建的环境，我们需要用Anaconda建立自己的环境并进行管理。
安装教程可参考以下视频：https://www.bilibili.com/video/BV1AfxPegEY1/?spm_id_from=333.337.search-card.all.click&vd_source=e02fef73a79eeb8b93970a572f95aa74

2. Anaconda环境搭建

2.1 环境的创建与激活

(注：以下内容均在windows系统上进行)
通过win+R并输入cmd打开终端，输入以下两行指令创建并激活环境。这里我们使用的python版本为3.8。

conda create --name soyo python=3.8 -y  # soyo是我们创建环境的名称，可以根据自己的需要进行修改
conda activate soyo

2.2 Pytorch环境的安装

创建好环境后的第一件事是安装Pytorch。需要注意，若安装GPU版本的Pytorch需要查看显卡的CUDA版本是否支持。可以在终端输入 nvidia-smi查看CUDA版本。这里我的版本为12.7。

然后我们进入Pytorch官网，点击Previous versions of Pytorch查看之前的Pytorch版本的安装命令。

在这里我们选择1.12.0版本的Pytorch，并复制CUDA版本11.6的命令行到终端，进行安装。(安装可能较慢，请耐心等待)

2.3 第三方库的安装

在soyo环境下首先安装以下三个包。

pip install -U openmim
mim install mmengine
mim install "mmcv==2.0.0rc4" # 官方给出的版本是mmcv>=2.0.0，但是在demo测试时报错版本不兼容，因此我们建议安装2.0.0rc4版本

进入mmdetection路径下安装其他需要的包。

cd mmdetection 
pip install -v -e .

到这里环境配置就完成了，接下来我们打开Pycharm，打开mmdetection项目文件进行demo测试，验证环境搭建是否成功。

3. Demo测试

3.1 Pycharm加载conda环境

在上一步中，我们已经对名为soyo的环境完成了配置。接下来，我们需要把soyo环境加载到Pycharm进行应用。
点击文件–>设置–>项目–>Python解释器–>添加解释器

按照以下内容选择soyo环境，点击确定即可完成环境的加载。

3.2 测试模型权重的下载

MMDetection不仅集成了众多的目标检测器，而且还提供了这些检测器在COCO数据集上的预训练权重。
这里以Faster-RCNN R50-1x为例。在Github上搜索MMDetection，点击configs–>faster_rcnn，找到对应的模型并点击model下载权重文件。

3.3 Demo测试

按照以下路径打开测试的脚本文件：./mmdetection-main/demo/image_demo.py
其中有三个参数需要我们进行设置：inputs，model和weights。这三个参数分别代表输入图片的路径，模型配置文件的路径以及模型权重文件的路径。mmdet中提供了demo测试的图片，我们在测试中使用这张图片。

在设置参数时，我们首先将inputs，model和weights修改为–inputs，–model和–weights，在配置default参数输入文件的路径即可，如下图所示：

然后运行py文件，即可得到检测结果，证明环境配置成功！

结束语

MMDetection的环境搭建整体而言还是比较简单的，只是安装Pytorch可能要等很长时间，我等了得有差不多一个小时。下一期我将介绍模型的config文件以及目标检测模型中的模块脚本存放在哪里以及如何实现。感谢大家的点赞+收藏！