星星博客 »  > 

mmdetection2 config详解

官方文档config详情:https://mmdetection.readthedocs.io/en/latest/tutorials/config.html

1、配置文件结构

config/_base_文件夹下面总共有4个基础的组件,它们分别是:dataset、model、schedule、default_runtime。

2、配置文件命名风格

{model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[gpu x batch_per_gpu]_{schedule}_{dataset}

{xxx}是必选项,[yyy]是可选项

  • {model}:模型的类型 ,例如faster_rcnnmask_rcnn 等等.
  • [model setting]: 给模型一些指定设置, 例如without_semantic for htcmoment for reppoints等等.
  • {backbone}: backbone 的类型 r50 (ResNet-50), x101 (ResNeXt-101)。(相当于特征提取网络)
  • {neck}: neck 的类型选择,例如fpn,pafpn, nasfpn,c4.
  • [norm_setting]: 如果没有指定,那就默认为bn (Batch Normalization) , 还有其他可选的norm layer类型,比如 gn (Group Normalization)、syncbn (Synchronized Batch Normalization). gn-head/gn-neck表示 GN 仅仅被用在head/neck模块上, gn-all 表示 GN 被用在整个模型上, 例如:backbone, neck, head这些模块。
  • [misc]: 一些比较杂的模型设置或者插件,例如 dconv, gcb, attention, albu, mstrain.
  • [gpu x batch_per_gpu]: GPU的个数以及每块GPU上的batch size大小,默认为8*2(8块GPU,每块GPU上2个batch size,相当于batch size为16)。
  • {schedule}: 训练的 schedule, 可选择的有1x, 2x, 20e等等. 1x2x 分别表示 12 个epochs 和 24个epochs。 20e 被用在 cascade models中,它表示20个epochs. 对于1x/2x而言, 初始的学习率分别在第8/16个epeochs和第11/22个epochs以10的倍率递减。对于20e而言,初始的学习率在第16个epeochs和第19个epochs以10的倍率。
  • {dataset}: 数据集有coco, cityscapes, voc_0712, wider_face这些选项。

3、faster_rcnn_r50_fpn_2x.py

首先介绍一下这个配置文件所描述的框架,它是基于resnet50的backbone,有着5个fpn特征层的faster-RCNN目标检测网络,训练迭代次数为标准的24次epoch。

# 模型配置
model = dict(
    # model类型
    type='FasterRCNN',
    # 预训练模型:resnet50
    pretrained='torchvision://resnet50',
    backbone=dict(
        # backbone类型
        type='ResNet', 
        # 网络层数
        depth=50,
        # resnet的stage数量
        num_stages=4,
        # 输出的stage的序号
        out_indices=(0, 1, 2, 3),
        # 冻结的stage数量,即该stage不更新参数,-1表示所有的stage都更新参数
        frozen_stages=1,
        # normalization layers的配置,type 为norm layer的类型, 通常是 BN or GN,requires_grad参数是否训练BN中的gamma和beta参数
        norm_cfg=dict(type='BN', requires_grad=True),
        # 是否冻结BN中的统计信息(相当于模型eval的过程,不进行统计数据)
        norm_eval=True,
        # 网络风格:如果设置pytorch,则stride为2的层是conv3x3的卷积层;如果设置caffe,则stride为2的层是第一个conv1x1的卷积层
        style='pytorch'),
    neck=dict(
        # neck类型
        type='FPN',
        # 输入的各个stage的通道数
        in_channels=[256, 512, 1024, 2048],
        # 输出的特征层的通道数
        out_channels=256,
        # 输出的特征层的数量
        num_outs=5),
    rpn_head=dict(
        # RPN网络类型
        type='RPNHead',
        # RPN网络的输入通道数
        in_channels=256,
        # 特征层的通道数
        feat_channels=256,
        # 生成anchor的配置
        anchor_generator=dict(
            # 绝大多数都是用AnchorGenerator, SSD 检测器(单阶段的目标检测算法)使用的是SSDAnchorGenerator
            type='AnchorGenerator',
             # anchor的生成个数, 特征图上每一个位置所生成的anchor个数为scale * base_sizes
            scales=[8],
            # anchor的宽高比率.
            ratios=[0.5, 1.0, 2.0],
           # 在每个特征层上的anchor的步长(对应于原图)
            strides=[4, 8, 16, 32, 64]),
        bbox_coder=dict(
            type='DeltaXYWHBBoxCoder',
            # 均值
            target_means=[0.0, 0.0, 0.0, 0.0],
            # 方差
            target_stds=[1.0, 1.0, 1.0, 1.0]),
            # 分类损失函数配置
        loss_cls=dict(
            # 也提供FocalLoss等损失函数
            type='CrossEntropyLoss', 
            # 是否使用sigmoid来进行分类,如果False则使用softmax来分类
            use_sigmoid=True, 
            # 分类分支所占权重
            loss_weight=1.0),
            # box回归分支的损失函数配置.
        loss_bbox=dict(
            type='L1Loss', loss_weight=1.0)),
    # RoIHead 封装了二阶段检测器的第二阶段的模块
    roi_head=dict(
        # RoI head的类型
        type='StandardRoIHead',
        # RoI feature extractor 用于 bbox regression.
        bbox_roi_extractor=dict(
            # 类型,大部分默认
            type='SingleRoIExtractor',
            roi_layer=dict(
                # 同时还支持DeformRoIPoolingPack 和 ModulatedDeformRoIPoolingPack这两种类型.
                type='RoIAlign', 
                # feature maps的输出尺度,相当于输出7*7.
                output_size=7, 
                # 提取ROI特征层时的样本比例,0表示自适应
                sampling_ratio=0),
            # 提取特征的输出通道数
            out_channels=256,
            # 多尺度特征图的步幅
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=dict(
            # 全连接层类型
            type='Shared2FCBBoxHead',
            # 输入通道数
            in_channels=256,
            # 全连接层输出通道数
            fc_out_channels=1024,
            # ROI特征层尺寸
            roi_feat_size=7,
            # 分类器数量,改自己数据集时修改
            num_classes=1,
            # 同上
            bbox_coder=dict(
                type='DeltaXYWHBBoxCoder',
                target_means=[0.0, 0.0, 0.0, 0.0],
                target_stds=[0.1, 0.1, 0.2, 0.2]),
            # 是否采用class_agnostic的方式来预测,class_agnostic表示输出bbox时只考虑其是否为前景,后续分类的时候再根据该bbox在网络中的类别得分来分类,也就是说一个框可以对应多个类别
            reg_class_agnostic=False,
            # 同上
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='L1Loss', loss_weight=1.0))))
train_cfg = dict(
    rpn=dict(
        assigner=dict(
            # RPN网络的正负样本划分
            type='MaxIoUAssigner',
            # 正样本的iou阈值
            pos_iou_thr=0.7,
            # 负样本的iou阈值
            neg_iou_thr=0.3,
            # 正样本的iou最小值。如果assign给ground truth的anchors中最大的IOU低于0.3,则忽略所有的anchors,否则保留最大IOU的anchor
            min_pos_iou=0.3,
            # 是否匹配低质量anchor
            match_low_quality=True,
            # 忽略bbox的阈值,当ground truth中包含需要忽略的bbox时使用,-1表示不忽略
            ignore_iof_thr=-1),
        sampler=dict(
            # 正负样本提取器类型
            type='RandomSampler',
            # 需提取的正负样本数量
            num=256,
            # 正样本比例
            pos_fraction=0.5,
            # 最大负样本比例,大于该比例的负样本忽略,-1表示不忽略
            neg_pos_ub=-1,
            # 把ground truth加入proposal作为正样本
            add_gt_as_proposals=False),
        # 不允许允许在bbox周围外扩一定的像素,0表示允许
        allowed_border=-1,
        # 正样本权重,-1表示不改变原始的权重
        pos_weight=-1,
        # debug模式
        debug=False),
    # 在训练过程中生成proposals的配置
    rpn_proposal=dict(
        # 在所有的fpn层内做nms
        nms_across_levels=False,
        # 在NMS之前的box个数
        nms_pre=2000,
        # NMS处理后保留的box个数
        nms_post=1000,
        # NMS处理之后所使用的box个数
        max_num=1000,
        # NMS过程所使用的阈值
        nms_thr=0.7,
        # 允许的最小的box尺寸
        min_bbox_size=0),
    rcnn=dict(
        assigner=dict(
            # RCNN网络正负样本划分
            type='MaxIoUAssigner',
            # 正样本的iou阈值
            pos_iou_thr=0.5,
            # 负样本的iou阈值
            neg_iou_thr=0.5,
            # 正样本的iou最小值。如果assign给ground truth的anchors中最大的IOU低于0.3,则忽略所有的anchors,否则保留最大IOU的anchor
            min_pos_iou=0.5,
            match_low_quality=False,
            # 忽略bbox的阈值,当ground truth中包含需要忽略的bbox时使用,-1表示不忽略
            ignore_iof_thr=-1),
        sampler=dict(
            # 正负样本提取器类型
            type='RandomSampler',
            # 需提取的正负样本数量
            num=512,
            # 正样本比例
            pos_fraction=0.25,
            # 最大负样本比例,大于该比例的负样本忽略,-1表示不忽略
            neg_pos_ub=-1,
            # 把ground truth加入proposal作为正样本
            add_gt_as_proposals=True),
        # 正样本权重,-1表示不改变原始的权重
        pos_weight=-1,
        # debug模式
        debug=False))
test_cfg = dict(
    # 推断时的RPN参数
    rpn=dict(
        nms_across_levels=False,
        # 在nms之前保留的的得分最高的proposal数量
        nms_pre=1000,
        # 在nms之后保留的的得分最高的proposal数量
        nms_post=1000,
        # 在后处理完成之后保留的proposal数量
        max_num=1000,
        # nms阈值
        nms_thr=0.7,
        # 最小bbox尺寸
        min_bbox_size=0),
    rcnn=dict(
        score_thr=0.05,
        # soft-nms is also supported for rcnn testing
        nms=dict(type='nms', iou_threshold=0.5),
        max_per_img=100))
# 数据集类型
dataset_type = 'CocoDataset'                
# 数据集根目录
data_root = '/home/shawn/MyDataset/'                   
# 输入图像初始化,减去均值mean并处以方差std,to_rgb表示将bgr转为rgb
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)

# Datasets配置
# 训练的pipeline,数据增强
train_pipeline = [
    # 从文件读取图像
    dict(type='LoadImageFromFile'),
    # 用于给图像导入对于的标签,并使用bounding box标签数据
    dict(type='LoadAnnotations', with_bbox=True),
    # Resize图片并保持比例
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    # 图像反转以及比率
    dict(type='RandomFlip', flip_ratio=0.5),
    # 标准化
    dict(
        type='Normalize',
        mean=[123.675, 116.28, 103.53],
        std=[58.395, 57.12, 57.375],
        to_rgb=True),
    # 图像Padding 的配置,填充数目应该可以被整除
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    # 决定数据中哪些key可以被传入pipeline中
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels'])
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(1333, 800),
        # 是否在test过程flip images
        flip=False,
        transforms=[
            dict(type='Resize', keep_ratio=True),
            # 由于flip=False这个RandomFlio将不会被使用。
            dict(type='RandomFlip'),
            dict(
                type='Normalize',
                mean=[123.675, 116.28, 103.53],
                std=[58.395, 57.12, 57.375],
                to_rgb=True),
            dict(type='Pad', size_divisor=32),
            # 将图片转化为tensor
            dict(type='ImageToTensor', keys=['img']),
            # 收集在test过程中必要的key
            dict(type='Collect', keys=['img'])
        ])
]
data = dict(
    # 每个gpu计算的图像数量
    samples_per_gpu=2,
    # 每个gpu分配的线程数
    workers_per_gpu=2,
    train=dict(
        type='CocoDataset',
        ann_file= data_root + 'annotations/train.json',
        img_prefix= data_root + 'images/train/',
        # 类型,如果就一个类型需要加逗号
        classes=('polyp', ),
        pipeline=train_pipeline),
    val=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/test.json',
        img_prefix=data_root + 'images/test/',
        classes=('polyp', ),
        pipeline=test_pipeline),
    test=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/test.json',
        img_prefix=data_root + 'images/test/',
        classes=('polyp', ),
        pipeline=test_pipeline))


evaluation = dict(interval=1, metric='bbox')
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
lr_config = dict(
    # 优化策略
    policy='step',
    # 初始的学习率增加的策略,linear为线性增加,# warmup的策略, 还支持 `exp` 和 `constant`.
    warmup='linear',
    # 在初始的500次迭代中学习率逐渐增加
    warmup_iters=500,
    # 起始的学习率
    warmup_ratio=0.001,
    # 在第16和22个epoch时降低学习率
    step=[16,22])
# 最大epoch数
total_epochs = 24
# 每隔几个epoch保存一下checkpoint
checkpoint_config = dict(interval=12)
#log_config = dict(interval=5, hooks=[dict(type='TextLoggerHook')])
log_config = dict(
    # 每隔多少个epoch输出一个log文件
    interval=6,
    hooks=[
        dict(type='TextLoggerHook'),
        # Tensorboard logger
        dict(type='TensorboardLoggerHook')
    ])
# 设置分布式训练的参数,也可以设置端口
dist_params = dict(backend='nccl')
# 日志等级
log_level = 'INFO'
# 加载模型的路径,None表示从预训练模型加载
load_from = None
# 恢复训练模型的路径
resume_from = None
workflow = [('train', 1)]
# 保存模型的文件夹路径(checkpoints和log文件都会保存在其中)。
work_dir = 'work_dir/faster_rcnn_r50_2x/'

4、cascade_rcnn_r50_fpn_2x.py

cascade-RCNN是cvpr2018的文章,相比于faster-RCNN的改进主要在于其RCNN有三个stage,这三个stage逐级refine检测的结果,使得结果达到更高的精度。

model = dict(
    type='CascadeRCNN',
    pretrained='torchvision://resnet50',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch'),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        num_outs=5),
    rpn_head=dict(
        type='RPNHead',
        in_channels=256,
        feat_channels=256,
        anchor_generator=dict(
            type='AnchorGenerator',
            scales=[8],
            ratios=[0.5, 1.0, 2.0],
            strides=[4, 8, 16, 32, 64]),
        bbox_coder=dict(
            type='DeltaXYWHBBoxCoder',
            target_means=[0.0, 0.0, 0.0, 0.0],
            target_stds=[1.0, 1.0, 1.0, 1.0]),
        loss_cls=dict(
            type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),
        loss_bbox=dict(
            type='SmoothL1Loss', beta=0.1111111111111111, loss_weight=1.0)),
    roi_head=dict(
        type='CascadeRoIHead',
        # RCNN网络的stage数量,在faster-RCNN中为1
        num_stages=3,
        # 3个RCNN的stage的loss权重
        stage_loss_weights=[1, 0.5, 0.25],
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=[
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.1, 0.1, 0.2, 0.2]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.05, 0.05, 0.1, 0.1]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=1,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0.0, 0.0, 0.0, 0.0],
                    target_stds=[0.033, 0.033, 0.067, 0.067]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))
        ]))
train_cfg = dict(
    rpn=dict(
        assigner=dict(
            type='MaxIoUAssigner',
            pos_iou_thr=0.7,
            neg_iou_thr=0.3,
            min_pos_iou=0.3,
            match_low_quality=True,
            ignore_iof_thr=-1),
        sampler=dict(
            type='RandomSampler',
            num=256,
            pos_fraction=0.5,
            neg_pos_ub=-1,
            add_gt_as_proposals=False),
        allowed_border=0,
        pos_weight=-1,
        debug=False),
    rpn_proposal=dict(
        nms_across_levels=False,
        nms_pre=2000,
        nms_post=2000,
        max_num=2000,
        nms_thr=0.7,
        min_bbox_size=0),
    # 注意,这里有3个RCNN的模块,对应开头的那个RCNN的stage数量
    rcnn=[
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.5,
                neg_iou_thr=0.5,
                min_pos_iou=0.5,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False),
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.6,
                neg_iou_thr=0.6,
                min_pos_iou=0.6,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False),
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.7,
                neg_iou_thr=0.7,
                min_pos_iou=0.7,
                match_low_quality=False,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False)
    ])
test_cfg = dict(
    rpn=dict(
        nms_across_levels=False,
        nms_pre=1000,
        nms_post=1000,
        max_num=1000,
        nms_thr=0.7,
        min_bbox_size=0),
    rcnn=dict(
        score_thr=0.05,
        nms=dict(type='nms', iou_threshold=0.5),
        max_per_img=100))
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
dataset_type = 'CocoDataset'                
# 数据集根目录
data_root = '/home/shawn/MyDataset/'    

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    dict(type='RandomFlip', flip_ratio=0.5),
    dict(
        type='Normalize',
        mean=[123.675, 116.28, 103.53],
        std=[58.395, 57.12, 57.375],
        to_rgb=True),
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels'])
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(1333, 800),
        flip=False,
        transforms=[
            dict(type='Resize', keep_ratio=True),
            dict(type='RandomFlip'),
            dict(
                type='Normalize',
                mean=[123.675, 116.28, 103.53],
                std=[58.395, 57.12, 57.375],
                to_rgb=True),
            dict(type='Pad', size_divisor=32),
            dict(type='ImageToTensor', keys=['img']),
            dict(type='Collect', keys=['img'])
        ])
]
data = dict(
    samples_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=train_pipeline),
    val=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=test_pipeline),
    test=dict(
        type='CocoDataset',
        ann_file=data_root + 'annotations/train.json',
        img_prefix=data_root + 'images/train/',
        classes=('polyp', ),
        pipeline=test_pipeline))
evaluation = dict(interval=1, metric='bbox')
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
lr_config = dict(
    policy='step',
    warmup='linear',
    warmup_iters=500,
    warmup_ratio=0.001,
    step=[16, 22])
total_epochs = 24
checkpoint_config = dict(interval=12)
log_config = dict(
    interval=5,
    hooks=[
        dict(type='TextLoggerHook'),
        dict(type='TensorboardLoggerHook')
    ])
dist_params = dict(backend='nccl')
log_level = 'INFO'
load_from = None
resume_from = None
workflow = [('train', 1)]
work_dir = 'work_dir/cascade_rcnn_r50_fpn_2x.py'

5、服务器运行以及可视化

参数修改

#训练自己的COCO数据集,需要自己修改的地方有num_classes、data_root、classes(全部都要)
#若显存较小可修改img_scale=(1333, 800)为img_scale=(800, 500)
#如果要设置不同epoch,修改lr_config下的step以及total_epochs
#特征提取层model下的pretrained以及depth

服务器运行(举例)

#服务器运行命令,--gpu-ids哪块GPU运行,运行前nvidia-smi查看哪块gpu空闲
python tools/train.py configs/cascade_rcnn_r50_fpn_2x.py --gpu-ids 1

#后台运行cascade_r101.txt是日志输出文件
nohup python tools/train.py configs/cascade_rcnn_r101_fpn_2x.py --gpu-ids 1 > cascade_r101.txt 2>&1 &

tensorboard可视化

#服务器在根目录运行
tensorboard --logdir=work_dir
#windows cmd运行
ssh -L 16006:127.0.0.1:6006 {xx@ip地址}
#本地运行
http://localhost:16006/

相关文章