detectron2是Facebook的代表着，性能就不用多说，至少目前是比较先进的。由于该源码有很多中间件（python包），包之间的兼容性也是一个很让人头疼的问题，估计会有很多人要被折腾。下面给出成功的安装办法。
1、下载安装conda，Anaconda3-2021.05-Windows-x86_64.exe，这个安装就不说了，安装完成后不要加什么清华等下载包的镜像。
2、在windows找到anaconda prompt菜单，进入命令提示符
?3、安装pytorch，到PyTorch官网直接用pip3命令安装（速度杠杠的估计不到2分钟完成），注意不要用conda install，否则会很慢很慢。命令如下，官网直接选取拷贝的。官网的选择版本如下图：
??pip3 install torch==1.9.1+cu102 torchvision==0.10.1+cu102 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
再说一遍，版本很重要，这里测试pytorch1.9和1.8都可以，cuda选择的是10.2，11.1没有测试
3、安装detectron2?，首先从GitHub?https://github.com/facebookresearch/detectron2?下载源码
进入解压目录找到并进入跟目录，执行下面命令开始安装（可能要C++编译器，我的两个系统vc2017和vc2019都测试通过，）。
python setup.py build develop
如下图所示
4、测试，进入demo，拷贝几张图片到demo下面，执行如下的命令（这个命令在源码的帮助文档中有的，这里简单修改了一些）：
python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input input1.jpg input2.jpg input3.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
这个命令有三个参数?--config-file，--input （输入的文件），--opts MODEL.WEIGHTS（网络参数）下面是运行的效果：
第一张图片输出
第二张图片输出
第三张图片输出
?命令行的输出
上面的测试结果可以看出，对普通的景物检查还是不错，但是第一张在复杂的人群和物体扎混环境中，检测结果比较差，提升空间还很大。