Yolact++ Pytorch环境

Anaconda3安装可以参考Deeplabv3+ 环境配置-Anaconda3 + Pytorch1.8 + Cuda10.1 + opencv3.2.0

环境配置

1. 首先为pytorch创建一个anaconda虚拟环境，环境名字可自己确定，这里使用 yolact++ 作为环境名：

$ conda create -n yolact++ python==3.8

2. 安装成功后激活yolact++环境

$ source activate
$ conda activate yolact++

3. 在所创建的环境下安装pytorch，查看本机cuda版本

$ conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
$ conda install cudnn=7.6.5

注意：10.2处应为cuda的安装版本号
编辑~./bashrc文件，设置使用yolact++环境下的python3.8

alias python='~/anaconda3/envs/yolact++/bin/python3.8'

4. 更新环境变量

$ source ~/.bashrc

5. 再次激活 yolact++

conda activate yolact++

6. 测试

python
import torch
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.current_device()

Yolact++项目克隆安装

1. 克隆和安装Yolact++

$ git clone https://github.com/dbolya/yolact.git

2. 安装所需库
   在yolact++环境中, 路径yolact下执行

$ pip install cython
$ pip install opencv-python pillow pycocotools matplotlib

3. 安装DCN

$ git clone https://github.com/jinfagang/DCNv2_latest.git

4. 在yolact++环境中, 路径DCNv2_latest下执行

$ cd DCNv2_latest
$ python setup.py build develop
$ python testcuda.py # run examples and gradient check on gpu

测试图片

下载测试图片到testfile
下，权重文件到weights下

使用yolact_plus_base模型

python eval.py --trained_model=weights/yolact_plus_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=testfiles/elephant.jpg:testfiles/elephant_seg.jpg

使用yolact_plus_resnet50模型

python eval.py --trained_model=weights/yolact_plus_resnet50_54_800000.pth --score_threshold=0.15 --top_k=15 --image=testfiles/elephant.jpg:testfiles/elephant_seg2.jpg

测试视频

python eval.py --trained_model=weights/yolact_plus_resnet50_54_800000.pth --score_threshold=0.15 --top_k=15 --video_multiframe=4 --video=testfiles/drive.mp4:testfiles/drive1.mp4