Detectron2 Mac CPU环境运行官方Demo未检测到目标实例问题求助

错误原因 #

运行命令存在配置文件与预训练权重不匹配问题，是无检测结果的直接原因：指定的配置文件为mask_rcnn_R_101_FPN_3x.yaml（对应ResNet101 backbone的Mask RCNN结构），但加载的预训练权重为ResNet50结构的参数，二者网络层维度、参数数量完全不符，因此日志提示参数缺失，模型无法正常推理。

直接修复方案 #

二选一即可，保证配置与权重结构对齐：

• 方案1：统一使用R50结构，替换配置文件为R50对应的yaml：

python demo.py --input 000000439715.jpeg --output output --config-file mask_rcnn_R_50_FPN_3x.yaml --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl MODEL.DEVICE cpu

• 方案2：统一使用R101结构，替换权重为R101对应的预训练参数：

python demo.py --input 000000439715.jpeg --output output --config-file mask_rcnn_R_101_FPN_3x.yaml --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_101_FPN_3x/138205316/model_final_a3ec72.pkl MODEL.DEVICE cpu

后续排查步骤（修改后仍无结果可按顺序验证） #

• 确认本地mask_rcnn_R_101_FPN_3x.yaml和Base-RCNN-FPN.yaml存放在同一目录下，未手动修改配置内的继承路径与结构参数。
• 验证输入图片无损坏，可在demo.py的预测逻辑前加入代码打印输入图片的尺寸、像素值范围，确认图片读取逻辑正常。
• 重新运行后确认日志不再出现「参数未在checkpoint中找到」的警告，如果仍有警告可重新拉取对应版本的官方配置文件，避免手动修改导致结构不匹配。
• 可在命令中加入--confidence-threshold 0.1降低置信度阈值，排除阈值过高导致的漏检问题。

内容的提问来源于stack exchange，提问作者W.P. McNeill