#はじめに

本記事では物体検出技術のM2Detの環境構築について紹介をします。
筆者の公式リポジトリにも丁寧な説明がありますが、
pip環境のみでも構築できたので、紹介します。

前提条件

以下の条件で環境構築を行いました。

Ubuntu 18.04
CUDA 10.0
cuDNN 7.5.0

手順

1. リポジトリのクローン

筆者が公開しているリポジトリをクローンします。

$ git clone https://github.com/qijiezhao/M2Det.git

2. 関連するパッケージをインストール

次に関連するパッケージをインストールします。

$ pip install Cython
$ pip install tqdm
$ pip install opencv-python
$ pip install addict
$ pip install matplotlib
$ pip install termcolor

3. PyTorchとTorchvisonのインストール

公式リポジトリでは、Pytorchのサポートverは0.4.1とありましたが、
デモプログラムの実行は、1.1.0でも動作しました。torchvisionも合わせてインストールしておきます。

最新情報はPyTorchのHPを参照してほしいですが、
2019年7月13日時点の手順を以下に記述します。

pip install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-linux_x86_64.whl
pip install https://download.pytorch.org/whl/cu100/torchvision-0.3.0-cp36-cp36m-linux_x86_64.whl

ちなみに、手順2,3を実行し、pip freeezeした結果は以下です。
うまく動作しないときは、以下を見てverを揃えて見てください。

addict==2.2.1
cycler==0.10.0
Cython==0.29.12
kiwisolver==1.1.0
matplotlib==3.1.1
numpy==1.16.4
opencv-python==4.1.0.25
Pillow==6.1.0
pyparsing==2.4.0
python-dateutil==2.8.0
six==1.12.0
termcolor==1.1.0
torch==1.1.0
torchvision==0.3.0
tqdm==4.32.2

4. nms と coco toolsのコンパイル

公式リポジトリの説明にあるように
nmsとcoco toolsのコンパイルをするために、以下のコマンドを実行してください。

$ cd M2Det
$ sh make.sh

5. 動作確認（デモの実行）

重みファイル（m2det512_vgg）をbaidu cloud や google driveからダウンロードします。
次にcloneしたフォルダ直下にweightsというフォルダを作成しダウンロードした重みファイルを配置します。
推論したいファイルをimgsフォルダに置きます。
（現状のコードでは、拡張子が.jpgとなっている画像ファイルのみ推論します。）
次に以下のコマンドを実行し、推論を行います。

$ python demo.py -c=configs/m2det512_vgg.py -m=weights/m2det512_vgg.pth --show

実行すると、推論結果はimgフォルダに
「（入力ファイル名）_m2det.jpg」というファイル名で作成されます。

6. 参考（推論対象の拡張子を変更する）

推論した画像ファイルの拡張子が.JPGを大文字だったので、
demo.pyの101行目を以下に書き換えました。

#im_fnames = sorted((fname for fname in os.listdir(im_path) if os.path.splitext(fname)[-1] == '.jpg'))
im_fnames = sorted((fname for fname in os.listdir(im_path) if os.path.splitext(fname)[-1] == '.JPG'))

E. 今後

Macでも同様の手順で試したのですが、nsmのコンパイルでエラーが起こってしました。
多少時間がかかってもCPUで推論を行いたいので、
解決方法がないか、今度Tryしてみようと思います。