本范例演示使用非常有名的目标检测框架detectron2 🤗🤗
在自己的数据集(balloon数据)上训练实例分割模型MaskRCNN的方法。
detectron2框架的设计有以下一些优点：
-
1，强大：提供了包括目标检测、实例分割、全景分割等非常广泛的视觉任务模型库。
-
2，灵活：可以通过注册机制自定义模块或模型结构，从而进行扩展和改进。
-
3，易用：通过list of dict格式定义自己的数据集, 简单好用。
我们首先需要安装并导入detectron库~
!pip install 'git+https://github.com/facebookresearch/detectron2.git'
!pip install torchkeras
import numpy as np
import os, json, cv2, random
from PIL import Image import torch import detectron2
from detectron2.config import get_cfg
from detectron2.utils.visualizer import Visualizer
from detectron2.data import MetadataCatalog, DatasetCatalog
from detectron2 import model_zoo
from detectron2.engine import DefaultPredictor#from detectron2.utils.logger import setup_logger
#setup_logger()def cv2_show(arr):
img = Image.fromarray(cv2.cvtCo
