市面上暂时还没有找到可以在消费机显卡上实时运行的MaskRCnn,TensorFlow即使是C++版本训练在coco数据集上的模型也是慢的要死,最后不堪忍受,只能放弃。

经历了一些列fuckingDog的复杂配置之后,终于配置成功了。测试一把

Detectron地址:https://github.com/facebookresearch/Detectron

一、预 安装环境

#查看python    ubuntu16.04 默认安装了2.7 和3.5

whereis python

#安装pip

sudo apt-get install python-pip

#根据Caffe2的介绍,安装其他库

使用cmake make之时,选择blas为openblas

        sudo apt-get install libopenblas-dev

省去重新安装eigen3.3Up

...................................................

       #安装caffe2成功后安装detection,根据detection Github上的介绍

...................................................

二、InferImage

把Detectron导入Eclipse ,把infer_sample.py复制到根目录;

在debug选项里面添加参数:

--cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml
--output-dir out/  --image-ext  jpg --wts /home/wishchin/build/detectron/model/model_final.pkl demo

结果输出到out文件夹

 

对于自己的数据,检测结果还不错!

时间消耗在1秒左右

INFO infer_simple.py: 145: Inference time: 0.906s
INFO infer_simple.py: 147:  | im_detect_bbox: 0.765s
INFO infer_simple.py: 147:  | misc_mask: 0.091s
INFO infer_simple.py: 147:  | im_detect_mask: 0.041s
INFO infer_simple.py: 147:  | misc_bbox: 0.008s

NFO infer_simple.py: 111: Processing image/nordic/livingroom (40).jpg -> image/nordicOut/livingroom (40).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.846s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.783s
INFO infer_simple.py: 121:  | misc_mask: 0.017s
INFO infer_simple.py: 121:  | im_detect_mask: 0.035s
INFO infer_simple.py: 121:  | misc_bbox: 0.010s
INFO infer_simple.py: 124:  \ Note: inference on the first image will be slower than the rest (caches and auto-tuning need to warm up)
INFO infer_simple.py: 111: Processing image/nordic/livingroom (32).jpg -> image/nordicOut/livingroom (32).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.366s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.320s
INFO infer_simple.py: 121:  | misc_mask: 0.015s
INFO infer_simple.py: 121:  | im_detect_mask: 0.020s
INFO infer_simple.py: 121:  | misc_bbox: 0.011s
INFO infer_simple.py: 111: Processing image/nordic/livingroom (57).jpg -> image/nordicOut/livingroom (57).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.514s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.445s
INFO infer_simple.py: 121:  | misc_mask: 0.017s
INFO infer_simple.py: 121:  | im_detect_mask: 0.042s
INFO infer_simple.py: 121:  | misc_bbox: 0.011s
INFO infer_simple.py: 111: Processing image/nordic/livingroom (41).jpg -> image/nordicOut/livingroom (41).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.336s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.297s
INFO infer_simple.py: 121:  | misc_mask: 0.006s
INFO infer_simple.py: 121:  | im_detect_mask: 0.021s
INFO infer_simple.py: 121:  | misc_bbox: 0.012s
INFO infer_simple.py: 111: Processing image/nordic/livingroom (65).jpg -> image/nordicOut/livingroom (65).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.582s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.483s
INFO infer_simple.py: 121:  | misc_mask: 0.025s
INFO infer_simple.py: 121:  | im_detect_mask: 0.063s
INFO infer_simple.py: 121:  | misc_bbox: 0.011s
INFO infer_simple.py: 111: Processing image/nordic/livingroom (42).jpg -> image/nordicOut/livingroom (42).jpg.pdf
INFO infer_simple.py: 119: Inference time: 0.397s
INFO infer_simple.py: 121:  | im_detect_bbox: 0.348s
INFO infer_simple.py: 121:  | misc_mask: 0.014s
INFO infer_simple.py: 121:  | im_detect_mask: 0.024s
INFO infer_simple.py: 121:  | misc_bbox: 0.011s

Detectron-MaskRCnn: 用于抠图的FCNN的更多相关文章

  1. MaskRCNN路标:TensorFlow版本用于抠图

    MaskRCNN用于检测路标,作为更详细的目标检测,用以得到更精准的额路标位置,路标的几何中心点,用于构建更为精准的拓扑地图,减少构图误差. 抠图工具已经完成,把框抠出来,用0值表示背景. pytho ...

  2. photoshop常见抠图方法

    1.多边形套索:这种工具是用于抠图的边界比较平直,但颜色比较复杂类的图像,它也是最笨最无奈的方法,只能是利用鼠标一点一点去点击抠选.2.磁性套索工具:分为三种:套索,多边形,磁性.这类工具一般只用于边 ...

  3. Mask R-CNN详解和安装

    Detectron是Facebook的物体检测平台,今天宣布开源,它基于Caffe2,用Python写成,这次开放的代码中就包含了Mask R-CNN的实现. 除此之外,Detectron还包含了IC ...

  4. CNN卷积神经网络的改进(15年最新paper)

    回归正题,今天要跟大家分享的是一些 Convolutional Neural Networks(CNN)的工作. 大家都知道,CNN 最早提出时,是以一定的人眼生理结构为基础,然后逐渐定下来了一些经典 ...

  5. Spring Security 5.0.x 参考手册 【翻译自官方GIT-2018.06.12】

    源码请移步至:https://github.com/aquariuspj/spring-security/tree/translator/docs/manual/src/docs/asciidoc 版 ...

  6. 图像抠图算法学习 - Shared Sampling for Real-Time Alpha Matting

    一.序言   陆陆续续的如果累计起来,我估计至少有二十来位左右的朋友加我QQ,向我咨询有关抠图方面的算法,可惜的是,我对这方面之前一直是没有研究过的.除了利用和Photoshop中的魔棒一样的技术或者 ...

  7. paper 117:image matting 数字抠图

    很多公式和图传起来比较麻烦,其实这是一篇论文(仅参考) 图像和视频抠图(Matting)技术可以分成自动和半自动:根据背景的先验知识,又有蓝屏背景,已知背景,和自然背景扣图.报告介绍了自然背景下的半自 ...

  8. ps切图抠图详解-web前端(转)

    网页设计在技术层面上,第一步是美工做出网页效果图,第二步就是网页前端进行网页切图.网页切图工具常用的有fireworks.PS,这里使用PS进行网页切图. 我们通过设计稿,得到我们想要的产出物(如.p ...

  9. R-CNN论文翻译——用于精确物体定位和语义分割的丰富特征层次结构

    原文地址 我对深度学习应用于物体检测的开山之作R-CNN的论文进行了主要部分的翻译工作,R-CNN通过引入CNN让物体检测的性能水平上升了一个档次,但该文的想法比较自然原始,估计作者在写作的过程中已经 ...

随机推荐

  1. Hackerrank manasa-and-combinatorics(数学推导)

    题意:有n个字符A,2n个字符B,问你能用这3n个字母组成多少种字符串,使得组成的字符串所有前缀与后缀的B的数目都大于等于A的数目,对答案mod 99991 分析:类似卡特兰数 ans=总方案数-存在 ...

  2. Java中基于HTTP协议网络编程

    java中为我们的网络支持提供了java.net包,能够使我们以编程的方式来訪问Web服务功能,这篇博客,就跟大家分享一下.Java中的网络编程的知识.主要是学习下该java.net包下的API. U ...

  3. Open Flash Chart 简介

    http://www.ibm.com/developerworks/cn/opensource/os-cn-ecl-ofc/ Open Flash Chart(OFC)是一个开源的 Flash 图表绘 ...

  4. JavaScript使用正則表達式

    2.0 简单介绍 正則表達式是能够用来查找与给定模式匹配的文本的搜索模式.比如,在上一章中,我们在一个较长的字符串中查找子字符串Cookbook: var testValue = "This ...

  5. java线程和线程池的使用

    java线程和线程池 一.创建多线程的方式 java多线程非经常见.怎样使用多线程,怎样创建线程.java中有两种方式,第一种是让自己的类实现Runnable接口.另外一种是让自己的类继承Thread ...

  6. 一个样例看清楚JQuery子元素选择器children()和find()的差别

    近期在我们的hybrid app项目开发中定位出了一个问题.通过这个问题了解下JQuery选择器find()和children()的差别.问题是这种:我们的混合app是一个单页面应用(main.htm ...

  7. scikit-learn:4.7. Pairwise metrics, Affinities and Kernels

    參考:http://scikit-learn.org/stable/modules/metrics.html The sklearn.metrics.pairwise submodule implem ...

  8. s:actionmessage页面样式失效

    1,  s:actionmessage页面样式失效: 2,解决方式: 将样式直接写入s:actionmessage标签中:<span><s:actionmessage cssSt ...

  9. Spring自我总结

    1.InitializingBean Spring设置完一个bean的合作者后,会检查bean是否实现InitializingBean接口,实现的话会调用afterPropertiesSet(Init ...

  10. 1695 windows 2013

    1695 windows 2013  时间限制: 1 s  空间限制: 128000 KB  题目等级 : 黄金 Gold 题解  查看运行结果     题目描述 Description 话说adam ...