介绍
Facebook AI Research 开源了 Faster R-CNN 和 Mask R-CNN 的 PyTorch 1.0 实现框架:MaskRCNN-Benchmark。他的性能相对更快,并且占用更少的 GPU 内存,它的亮点如下:
- PyTorch 1.0: 相当或者超越 Detectron 准确率的 RPN、Faster R-CNN 和 Mask R-CNN 的实现;
- 非常快: 训练速度是 Detectron 的两倍,是 mmdection 的 1.3 倍。
- 节省内存: 在训练过程中使用的 GPU 内存比 mmdetection 少大约 500MB;
- 使用多 GPU 训练和推理;
- 批量化推理:可以在每 GPU 每批量上使用多张图像进行推理;
- 支持 CPU inference: 可以在 CPU 上运行。
- 提供几乎所有参考 Mask R-CNN 和 Faster R-CNN 配置的预训练模型,具有 1x 的 schedule。
这篇文章主要是记录我使用 Mask R-CNN benchmark 框架训练自定义数据集的过程,总的来说还是比较容易上手的,当然也有一些问题出现。下面便是使用的情况。