mmdetection使用现有的模型进行推理
数据集准备：
下载链接：
VOC：http://host.robots.ox.ac.uk/pascal/VOC/
cityscapes：https://www.cityscapes-dataset.com/
单GPU测试
python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}] [--show]
可选参数：
• RESULT_FILE: 结果文件名称，需以.pkl 形式存储。如果没有声明，则不将结果存储到文件。
• EVAL_METRICS: 需要测试的度量指标。可选值是取决于数据集的，比如 proposal_fast，proposal，
bbox，segm 是 COCO 数据集的可选值，mAP，recall 是 Pascal VOC 数据集的可选值。Cityscapes 数
据集可以测试 cityscapes 和所有 COCO 数据集支持的度量指标。
• --show: 如果开启，检测结果将被绘制在图像上，以一个新窗口的形式展示。它只适用于单 GPU 的测
试，是用于调试和可视化的。请确保使用此功能时，你的 GUI 可以在环境中打开。否则，你可能会遇
到这么一个错误 cannot connect to X server。
• --show-dir: 如果指明，检测结果将会被绘制在图像上并保存到指定目录。它只适用于单 GPU 的测
试，是用于调试和可视化的。即使你的环境中没有 GUI，这个选项也可使用。
• --show-score-thr: 如果指明，得分低于此阈值的检测结果将会被移除。
• --cfg-options: 如果指明，这里的键值对将会被合并到配置文件中。
• --eval-options: 如果指明，这里的键值对将会作为字典参数被传入 dataset.evaluation() 函
数中，仅在测试阶段使用。
样例
测试Faster R-CNN 并可视化结果（COCO）
python tools/test.py \ configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \ checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \ --show
checkpoints需要手动下载，下载步骤：https://www.cnblogs.com/xxmrecord/p/15778229.html
每执行一张图像的测试，都会将结果显示出来。叉掉就会显示下一张。
测试Faster R-CNN并保存测试结果（COCO）
python tools/test.py \ configs/faster_rcnn/faster_rcnn_r50_fpn_1x.py \ checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \ --show-dir faster_rcnn_r50_fpn_1x_results
测试Faster R-CNN，不保存测试结果（VOC）
python tools/test.py \ configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc.py \ checkpoints/faster_rcnn_r50_fpn_1x_voc0712_20200624-c9895d40.pth \ --eval mAP
注意配置文件和checkpoints和上面示例的区别。
实践
要先下载对应得checkpoints文件，步骤：https://www.cnblogs.com/xxmrecord/p/15778229.html
