最近迷上了示例分割，开始的时候最先研究的Mask_RCNN，在github上找了一下开源的 库，发现很多都是基于Tensorflow的，而我比较喜欢Pytorch，所以就找了Detectron2
git源码
源码地址：https://github.com/facebookresearch/detectron2
直接git clone https://github.com/facebookresearch/detectron2.git即可，或者直接下载也可以
相关环境
笔者的环境为：ubuntu16.04
pytorch=1.8.2
由于刚升的pytorch版本，所以没有来的及进行cuda的配置，没有GPU的也不影响，可以运行的
安装
在克隆完Detectron2的源代码之后，还不能直接用，还需要进行安装
在Detectron2的根目录下打开终端，输入如下命令：
python -m pip install e .值得注意的是，如果你的文件在此之前有在别人的计算机上编译过，你需要先执行如下命令：
rm -rf build/ **/*.so安装如下图所示
此过程需要进行大概两三分钟
最终的结果如下
执行
在完成上述的安装后，我们需要看一下是不是可以使用
在这里我们需要将终端切换到demo的文件夹下面
将需要测试的图片放在demo中
在这里我们需要执行如下命令：
python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input 7.jpg --output rest.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl MODEL.DEVICE cpu
其中input后接的时需要测试的图片数据，output后面接的是识别完毕后的结果图片名字，这里可以根据自己的意愿进行定义
如果你的计算机有配置gpu的话可以将最后的那个MODEL.DEVICE cpu删除，即：
python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input 7.jpg --output rest.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
最终的识别结果如下所示：
