提出问题
当前,有众多的开源方法集合以及社区维护。为了满足旋转框目标检测需求,一些学者在pytorch深度学习框架基础上构建了mmrotate旋转框目标检测体系。借此机会,自己搭建了一下mmrotate的环境,加深学习和为后续做相关对比实验做一些准备工作。
解决方案
- 一台2080或者2080ti的机器,cuda 10.2
- 参考代码: https://github.com/open-mmlab/mmrotate/
环境部署步骤
- 首先要下载两个代码和相关库,链接分别为:mmrotate、mmdetection和mmcv。这三个库的版本配置可参考该链接:相关版本适配
- 部署步骤或命令
(1)创建python 3.8版本环境conda create --name openmmlab python=3.8 -y
(2) 构建pytorch环境
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch
(3)安装openmim
pip install openmim
(4)安装mmcv-full
#从第一大步骤中的mmcv链接中下载1.6.2版本的mmcv到本地,然后执行安装 pip install mmcv_full-1.6.2-cp38-cp38-manylinux1_x86_64.whl
(5)安装mmdet,直接执行pip install mmdet可能会安装高版本的mmdet,导致最终环境不适配,因此,我们从第一大步骤中的mmdetection链接中下载代码到本地,然后执行相关命令安装。
cd mmdetection pip install -r requirements/build.txt pip install -v -e .
(6)安装mmrotate
cd mmrotate pip install -r requirements/build.txt pip install -v -e .
(7)安装后即可根据相关例子进行学习。
备注:这里提供一份能够直接学习的mmrotate的代码,用于faster rcnn训练少量ssdd的sar数据集。
百度网盘,提取码在评论区留言后发出。
文章评论