Win10下的Detectron2安装

1. Detectron2 介绍

FAIR 开源的目标检测框架 Detectron2，基于 Pytorch 。它训练比从前更快，功能比从前更全，支持的模型也比从前更丰盛。比如对初代的模型 Faster R-CNN，Mask R-CNN，RetinaNet，DensePose 等的支持外，还支持一些新的模型，如 Cascade R-NN，Panoptic FPN，TensorMask 等 ，因为打算做视频行为检测需要用到Faster R-CNN， 在此记录一下Detectron2 环境搭建过程 ，以备后用。

2. 设置Pytorch环境

首先我们要搭建一个 Pytorch 环境，步骤可参考之前的 Win10 设置Pytorch(GPU版）

3. openCV3

Opencv3 是一个知名的计算机视觉处理库。在 Python 3.7 环境下，使用pip进行安装即可：

pip install opencv-python

4. 安装fvcore

fvcore 是 FAIR 开源的 一个轻量级的核心库，它提供了在各种计算机视觉框架(如 Detectron2)中共享的最常见和最基本的功能。该库需要 >=Python 3.6 的 Python 环境。可以使用pip 进行安装

pip install fvcore

5.安装pycocotools

微软发布的 COCO 数据库是一个大型图像数据集, 专为对象检测、分割、人体关键点检测、语义分割和字幕生成而设计。 COCO API 提供了 Matlab, Python 和 Lua 的 API 接口. 该 API 接口可以提供完整的图像标签数据的加载, parsing 和可视化。通过 pycocotools 库我们可以使用 COCO 提供的一系列功能。如果您的环境是 Linux，那么恭喜您，获取 COCO 源码，一个 make 就可以搞定；因为我是 Windows系统，使用下面的pip进行安装即可。

pip install Cython
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

6. 安装Detectron2 

我是使用了本地安装的方法，打开Detectron2并下载，进入到detectron2-master文件夹下执行

python setup.py build develop

安装完成后，可使用下列代码，如果不报错就是安装成功啦~

如有错误，可参考Win10 下安装时常见问题及解决办法