OpenMMLab教程：OpenMMLab介绍与安装

一、 OpenMMLab介绍

OpenMMLab 是一个用于学术研究和工业应用的开源算法体系，于2018年年中开始，由 MMLab（香港中文大学多媒体实验室）和商汤科技联合启动。OpenMMLab 致力于为计算机视觉领域的重要方向创建统一且开源的代码库，推进可复现算法生态的建立；目前为止 OpenMMLab 已经陆续开源30多个视觉算法库，实现了300多种算法，并包含2000+预训练模型，涵盖2D/3D目标检测、语义分割、视频理解、姿态分析等多个方向。

OpenMMLab算法库的特点：

• 模块化组合设计。将网络框架分解为不同组件，将数据集构建、模型搭建、训练过程设计等过程封装为模块，在统一而灵活的架构上，用户能够轻松组合调用不同的模块，构建自定义计算机视觉网络框架；
• 高性能。基于底层库MMCV，OpenMMLab中几乎所有基本运算操作都在GPU上运行，训练速度快；
• SOTA方法。开源框架中集成计算机视觉各个领域最新的先进算法，并且不断更新，使用者能够轻松使用新方法并进行改进。OpenMMLab系列项目的核心组件是MMCV，它是用于计算机视觉研究的基础Python库，支持OpenMMLab旗下其他开源库，是上述一系列上层框架的基础支持库，提供底层通用组件，灵活性强，可扩展性好。

图源OpenMMLab

二、 MMDetection介绍与安装

OpenMMLab系列包含针对2D/3D目标检测的MMDetection/MMDetection3D、针对旋转目标检测的MMRotate、针对图像分割的MMSegmentation、针对目标追踪的MMTracking等多种算法库，它们均以Pytorch和MMCV为基础实现上层算法。

本系列教程从最具影响力的算法库MMDetection入手,来从零讲解OpenMMLab系列算法库的使用，由于MM系列算法库的搭建框架、使用方法基本相同，因此读者在掌握MMDetection的基础用法后，使用其他类别的算法库也能够快速上手。

MMDetection是一款基于PyTorch的开源目标检测工具箱，也是OpenMMLab最知名的开源库，包含目标检测、实例分割领域的基础框架数十种sota算法。目前在Github上已经收获21.7k star，也是本文重点介绍的视觉库。（项目地址](github.com/open-mmlab/…) ）

图源OpenMMDetection

2.1 MMDetecion安装

在使用之前，搭建环境是一切的基础，首先使用Anaconda搭建虚拟环境，进行mmdetection安装。 下面介绍Linux、Windows下环境搭建、相关库（Pytorch、CUDA）版本选择，CPU、GPU平台安装的步骤；如果想在Google Colab下安装，或者使用Docker安装，可以参考官方的(github.com/open-mmlab/…)。

1）从头搭建MMDetection运行环境

1. 创建Anaconda虚拟环境

ini
复制代码
conda create --name openmmlab python=3.8 -y # python也可以选择其他版本
conda activate openmmlab

2. 安装PyTorch 安装GPU版：conda install pytorch torchvision -c pytorch 安装CPU版：conda install pytorch torchvision cpuonly -c pytorch 使用conda命令安装时，anaconda会根据python版本自动安装对应版本的Pytorch和cudatoolkit等相关依赖项，因此不需要用户自己再去网上搜索版本对应关系安装，十分简便。

3. 安装MMCV库并编译

sql
复制代码
pip install -U openmim
mim install mmcv-full

接着安装mmdetection库：

bash
复制代码
git clone https://github.com/open-mmlab/mmdetection.git    
cd mmdetection
pip install -v -e . #进行编译
当然，如果想直接将mmdet作为第三方库使用，可以直接pip安装：
pip install mmdet

2.2 MMDetecion简单使用

1）验证安装

在完成上述环境搭建过程后，我们如何确定自己的环境配置是否正确、能否开始运行代码了呢？官方给出了测试用的demo代码来确认你的环境是否就绪。 所使用的demo代码指的是mmdetection-master\mmdetection-master\demo\image_demo.py文件，它通过调用已有模型、加载已有权重来对图片内容进行目标检测推理，下面对其使用方法与内容进行介绍。

1. 下载权重文件 官网上以yolov3为示例，使用mim命令下载： mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest . 下载完毕后能够在目录下找到yolov3_mobilenetv2_320_300e_coco.py和yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth这两个文件，前者是yolov3的配置文件，包括四个基本组件：datasets、models、schedules和runtime，这些在后续会详细介绍；后者就是已经训练好的权重。

2. demo验证 使用Anaconda激活刚刚创建的虚拟环境，进入项目路径下执行运行命令:

bash
复制代码
python demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg`
运行结束后，如果在自己的文件夹下多出`result.jpg`文件，并且如下图所示，成功检测到输入图片中的物体。说明环境安装配置成功，可以放心进行后续使用了。

demo.jpg检测效果

2）demo解读

好了，现在我们成功对一张图片完成了目标检测，并且进行可视化，但是这只是使用已训练好的权重、加载已有模型的推理过程，那么image_demo.py是如何对图片进行推理的呢？我们又该如何去构建自己的数据、训练自己的模型并进行推理呢？

后一个问题会在之后的章节中，从MMDetection训练、测试等过程为大家进行详细介绍，下面先对image_demo.py文件的内容进行详细解读： 首先是参数定义函数def parse_args():，它的内容与注释如下

上面我们可以看到，在这个参数定义部分中，parser这个对象通过add_argument方法来添加参数，而我们执行测试代码的命令中就包含了这些参数的内容输入，如待测试的图片路径、下载的模型配置与权重、测试用的设备（cpu）等等。 其中参数解析<class 'argparse.Namespace'>的原理：通过上面的参数解析函数我们得到了一个返回形参args，这个对象是一个argparse.Namespace类的对象，这个类的属性便是我们上面定义的config、checkpoint等数据，通过访问这些属性便可以得到一个参数值，可见这个类起到一个“参数存储器”的作用——参数被解析器parser解析后用一个Namespace参数存储器存储起来。 接着在main函数中：

ini
复制代码
#build the model from a config file and a checkpoint file`
model = init_detector(args.config, args.checkpoint, device=args.device)

这句代码由它的注释可以得知，它通过调用模块化函数init_detector来初始化模型，并访问Namespace对象的config等属性获取参数。在读取参数后就是推理过程，主要过程如下：先通过inference_detector来调用加载的模型对图片进行推理，获取预测结果result，然后通过函数show_result_pyplot在输入图像上绘制预测的结果（预测框、类别与置信度）。

main函数完整内容

我们可以通过手动为参数赋值并设置断点，来查看main函数中涉及到的**关键变量args、model与result**的内容：

1. args

args的内容如上图，可以看到这里面就是我们传入的图片路径、模型文件、权重文件等参数，args本质上是一个参数储存器，为字典形式。

2. model

model的内容如上图，可以看到它以字典的形式储存了数据集格式（CLASSES，80类表示COCO数据集的类别）、YOLOV3模型的网络结构（backbone、bbox_head等组件，后续文章会详细解读）、以及测试方法test_cfg，其中包含了模型推理时的相关配置。另外需要注意的是，train_cfg的值为None,这是因为该模型仅在推理过程使用。

3. result

result的内容如上图，可以发现它是一个长度为80的列表list，80这个数字大家是不是很眼熟？这正是其对应的数据集COCO下的类别，也就是说推理得到的类别数量和训练是一样的。这个list中的每个元素都对应一个类别的预测内容，长度为(n,5)，n为预测到的某一类别物体的数量，而5表示水平预测框的4个定位参数(xmin,ymin,xmax,ymax)+1个预测置信度，我们查看result[1]={ndarray:(2,5)}为例：

如上，预测到2个对象，数组给出它们的位置和预测置信度，可以发现这一类别的两个预测对象置信度较低，所以会被后处理过滤掉。

至此MMDetection的安装、测试以及demo运行部分便完成了，下一篇文章将结合代码，为大家先从OpenMMLab系列的底层模块MMCV讲起，解析它的核心组件和框架原理。