MMDetectionを使って物体検出モデルの推論をサクッと行う【PyTorch】

公開日：2021年10月26日
最終更新日：2022年9月21日

はじめに
方法
- Python環境構築
- 実行スクリプト
  - DETR
  - VFNet
結果
関連記事
2022年9月21日追記：学習編

はじめに

最近PyTorchの勉強を始めたのですが「MMDetection」というものの存在を知りました。

「Detection」という名前の通り物体検出モデルを使うためのツールですが様々なモデルが用意されています。

さっそく使ってみたいと思います。今回は推論のみです。

チュートリアル通りに使っても面白くないので今回はサクッと推論する方法を紹介します。

以下の人が対象です。

GitHubのリポジトリをクローンする（git clone）なんてできない、またはやりたくない
Pythonの環境構築は単純にpipだけで済ませたい
学習済みパラメータを事前にダウンロードするなんて面倒くさい

方法

pipだけでPython環境構築をして、スクリプトを実行するだけで推論ができるようにしました。

もちろんgit cloneは不要です。

Windowsで動作確認しています。

Python環境構築

Windows 11
CUDA 11.6.2

Python 3.9.13

環境構築はこれだけです。

pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu116
pip install mmcv-full==1.6.1 -f https://download.openmmlab.com/mmcv/dist/cu116/torch1.12.0/index.html
pip install mmdet
pip install openmim
pip install mmengine

実行スクリプト

必要なもののダウンロードはすべてスクリプト内に落とし込みました。スクリプトを適当な名前で保存して実行するのみです。

サンプル画像もダウンロードされます。

DETRとVFNetという二つのモデルで動作確認しました。

DETR

import os
import torch
from mmdet.apis import inference_detector, init_detector, show_result_pyplot
from torchvision.datasets.utils import download_url
from mim.commands.download import download

device = 'cuda' if torch.cuda.is_available() else 'cpu' 

os.makedirs('models', exist_ok=True)

checkpoint_name = 'detr_r50_8x2_150e_coco'
config_fname = checkpoint_name + '.py'

checkpoint = download(package="mmdet", configs=[checkpoint_name], dest_root="models")[0]

model = init_detector(os.path.join('models', config_fname), os.path.join('models', checkpoint), device = device)

img_url = 'https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/person.jpg'
img_fname = img_url.split('/')[-1]
download_url(img_url, root = '.', filename = img_fname)

result = inference_detector(model, img_fname)
show_result_pyplot(model, img_fname, result, score_thr = 0.8)

VFNet

「checkpoint_name」の部分を変更するのみです。

import os
import torch
from mmdet.apis import inference_detector, init_detector, show_result_pyplot
from torchvision.datasets.utils import download_url
from mim.commands.download import download

device = 'cuda' if torch.cuda.is_available() else 'cpu' 

os.makedirs('models', exist_ok=True)

checkpoint_name = 'vfnet_r50_fpn_1x_coco'
config_fname = checkpoint_name + '.py'

checkpoint = download(package="mmdet", configs=[checkpoint_name], dest_root="models")[0]

model = init_detector(os.path.join('models', config_fname), os.path.join('models', checkpoint), device = device)

img_url = 'https://raw.githubusercontent.com/zhreshold/mxnet-ssd/master/data/demo/person.jpg'
img_fname = img_url.split('/')[-1]
download_url(img_url, root = '.', filename = img_fname)

result = inference_detector(model, img_fname)
show_result_pyplot(model, img_fname, result, score_thr = 0.8)

結果

AutoGluonからMMDetectionを使う方法を記事にしました。
touch-sp.hatenablog.com

2022年9月21日追記：学習編

MMDetectionを使って転移学習について記事を書きました。
touch-sp.hatenablog.com