MMDetection のインストールと動作確認（物体検出，インスタンス・セグメンテーション）（PyTorch，Python を使用）（Windows 上）

前準備

Git のインストール（Windows 上）

Windows での Git のインストール: 別ページ »で説明

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明

【サイト内の関連ページ】

Python のまとめ: 別ページ »にまとめ

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット，NVIDIA cuDNN のインストール（Windows 上）

Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明

【関連する外部ページ】

• Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
• NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
• NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
• winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch のページを確認

   PyTorch のページ: https://pytorch.org/index.html

3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

   次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用） をインストールする． 事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

   python -m pip install -U pip
   python -m pip install -U torch torchvision torchaudio numpy numba --index-url https://download.pytorch.org/whl/cu118
   python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   （途中省略）
   

MMDetection のインストール（Windows 上）

インストールの方法は複数ある． ここでは， NVIDIA CUDA ツールキットを使うことも考え， インストールしやすい方法として，ソースコードからビルドしてインストールする方法を案内している．

MMCV のインストール（Windows 上）

MMCV のインストールを行う．

インストールの方法は複数ある． ここでは， NVIDIA CUDA ツールキットを使うことも考え， インストールしやすい方法として，ソースコードからビルドしてインストールする方法を案内している．

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch がインストールできていることを確認するために，PyTorch のバージョンを表示

   python -c "import torch; TORCH_VERSION = '.'.join(torch.__version__.split('.')[:2]); print(TORCH_VERSION)"
   

   
3. PyTorch が NVIDIA CUDA ツールキットを認識できていることを確認するために， PyTorch が認識しているNVIDIA CUDA ツールキット のバージョンを表示

   このとき，実際には 11.8 をインストールしているのに，「cu117」のように古いバージョンが表示されることがある．このような場合は，気にせずに続行する．

   python -c "import torch; CUDA_VERSION = torch.__version__.split('+')[-1]; print(CUDA_VERSION)"
   

   
4. MMCV 1.6.2 のインストール

   MMTracking が MMCV 1.6.2 に依存している (2022/12)． 将来の MMTracking の利用を想定して MMCV 1.6.2 をインストール

   https://mmcv.readthedocs.io/en/latest/get_started/installation.html に記載の手順による

   python -m pip install -U pip
   python -m pip install -U opencv-python
   python -m pip install mmcv-full==1.6.2
   

   
5. MMCV をインストールできたことの確認

   python -c "from mmcv.ops import get_compiling_cuda_version, get_compiler_version; print(get_compiling_cuda_version()); print(get_compiler_version())"
   

   

MIM，MMDetection のインストール（Windows 上）

MIM, MMDetection のインストールを行う．

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. MIM, MMDetection のインストール

   https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation による．

   python -m pip install -U git+https://github.com/open-mmlab/mim.git
   python -m pip install -U git+https://github.com/open-mmlab/mmdetection.git
   python -c "import mmdet; print(mmdet.__version__)"
   

3. MMDetection のファイルをダウンロードし，使える状態にする

   cd %HOMEPATH%
   rmdir /s /q mmdetection
   git clone https://github.com/open-mmlab/mmdetection.git
   cd mmdetection
   python setup.py develop
   

4. 関連ソフトウェアのインストール

   パノプティック・セグメンテーションと LVIS データセットのため

   python -m pip install instaboostfast
   python -m pip install git+https://github.com/cocodataset/panopticapi.git
   python -m pip install git+https://github.com/lvis-dataset/lvis-api.git
   

MMDetection を用いた物体検出の実行（Windows 上）

セマンティック・セグメンテーション（COCO, Faster-RCNN, R-50-FPN を使用）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. 事前学習済みモデルのダウンロード

   COCO データセットを用いての事前学習済みモデルを使用している．

   MMDetection の model zoo のページ: https://github.com/open-mmlab/mmdetection/blob/master/docs/en/model_zoo.md

   ここではCOCO, Faster-RCNN, R-50-FPN を選ぶことにする． COCO データセットで学習済みのモデルである．

   • configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py
   • https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

   次のコマンドを実行する．

   cd %HOMEPATH%\mmdetection
   mkdir checkpoints
   cd checkpoints
   curl -O https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
   

   
3. 物体検出を行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://mmdetection.readthedocs.io/en/latest/get_started.html のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   import torch
   from mmdet.apis import init_detector, inference_detector
   import mmcv
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmdetection'))
   config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
   checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
   device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
   model = init_detector(config_file, checkpoint_file, device=device)
   img = 'demo/demo.jpg'  # or img = mmcv.imread(img), which will only load it once
   result = inference_detector(model, img)
   model.show_result(img, result, show=True)
   model.show_result(img, result, out_file='result.jpg')
   

   
4. 結果が表示される

   エラーメッセージが出ないことを確認．

   

動画ファイルのセグメンテーション

1. 動画ファイル video.mp4 を %HOMEPATH%\mmsegmentation に置く
2. 動画ファイルのセグメンテーションを行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   import os
   import torch
   from mmdet.apis import init_detector, inference_detector
   import mmcv
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmdetection'))
   config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
   checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
   device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
   model = init_detector(config_file, checkpoint_file, device=device)
   video = mmcv.VideoReader('demo/demo.mp4')
   for frame in video:
      result = inference_detector(model, frame)
      model.show_result(frame, result, show=True, wait_time=1)
   

   
3. 結果を確認．