【mmdetection源码阅读二】configs下的retinanet_r101_fpn_1x.py

╰+哭是因爲堅強的太久メ 2023-03-13 03:49 11阅读 0赞

###### 前言 ######

> 在mmdetection中，将目标检测的网络框架分为了几个模块：  
> 1 backbone：通常是FCN网络,用于提取特征图,例如ResNet,MobileNet。  
> 2 neck：骨干和头部之间的组件,例如FPN,PAFPN。  
> 3 head：用于特定任务的组件,例如bbox预测和掩码预测。  
> 4 roi提取器：用于从要素图(例如RoI Align)中提取RoI要素的部分。  
> 所以在配置文件中，configs文件夹下，基本上所有的配置文件按照以下的模式进行：  
> 1 定义模型  
> 2 训练和测试过程的配置  
> 3 数据集操作  
> 4 优化器  
> 5 学习率  
> 下面我贴上我注释过的retinanet\_r101\_fpn\_1x.py源码，供您参考

###### 代码注释 ######

# model settings
    model = dict(
        type='RetinaNet', # 模型
        pretrained='torchvision://resnet101',#加载预训练模型
        backbone=dict(
            type='ResNet',# 网络模型
            depth=101, # 深度
            num_stages=4,# resnet的stage数量
            out_indices=(0, 1, 2, 3),#输出的stage序号
            frozen_stages=1,# 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
            norm_cfg=dict(type='BN', requires_grad=True),# 定义正则化 需要更新参数
            style='pytorch'),# 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
        neck=dict(
            type='FPN',# 定义FPN
            in_channels=[256, 512, 1024, 2048],# 定义各个stage输入的通道数
            out_channels=256,#定义输出的通道数
            start_level=1,# 开始进行FPN的特征层
            add_extra_convs=True,# 是否需要额外的卷积
            num_outs=5),#输出的特征数
        bbox_head=dict(
            type='RetinaHead',# 定义RetinaNetHead 
            num_classes=95, #coco catNum=80 ori write 81
            in_channels=256,# 定义输入的通道数
            stacked_convs=4,# 卷积层数
            feat_channels=256, # 定义输出特征的通道数
            octave_base_scale=4, # 定义基础的anchor倍数
            scales_per_octave=3, # 定义anchors_scales的个数
            anchor_ratios=[0.5, 1.0, 2.0],# 定义长宽比
            anchor_strides=[8, 16, 32, 64, 128],# 定义anchor_strides
            target_means=[.0, .0, .0, .0],
            target_stds=[1.0, 1.0, 1.0, 1.0],
            loss_cls=dict(
                type='FocalLoss',
                use_sigmoid=True,
                gamma=2.0,
                alpha=0.25,
                loss_weight=1.0),# 定义分类误差
            loss_bbox=dict(type='SmoothL1Loss', beta=0.11, loss_weight=1.0))) # 定义回归误差
    # training and testing settings
    # 训练和测试的配置
    train_cfg = dict(
        assigner=dict(
            type='MaxIoUAssigner',
            pos_iou_thr=0.5,
            neg_iou_thr=0.4,
            min_pos_iou=0,
            ignore_iof_thr=-1),
        allowed_border=-1,
        pos_weight=-1,
        debug=False)
    test_cfg = dict(
        nms_pre=1000,
        min_bbox_size=0,
        score_thr=0.05,
        nms=dict(type='nms', iou_thr=0.5),
        max_per_img=100)
    # dataset settings
    # 选择实验的数据集格式
    dataset_type = 'CocoDataset'
    # data_root = 'data/coco/'
    train_data_root = '/home/'
    test_data_root = '/home/'
    # 定义RGB通道的均值和标注差，这个最好是自己数据集的所有数据进行求解，包含训练和测试集
    # 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)
    #定义训练集的通道 
    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', **img_norm_cfg),
        dict(type='Pad', size_divisor=32),
        dict(type='DefaultFormatBundle'),
        dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),
    ]
    # 定义测试集的数据通道
    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', **img_norm_cfg),
                dict(type='Pad', size_divisor=32),
                dict(type='ImageToTensor', keys=['img']),
                dict(type='Collect', keys=['img']),
            ])
    ]
    # data = dict(
        # imgs_per_gpu=2,
        # workers_per_gpu=2,
        # train=dict(
            # type=dataset_type,
            # ann_file=train_data_root + 'annotations/instances_train2017.json',
            # img_prefix=data_root + 'train2017/',
            # pipeline=train_pipeline),
        # val=dict(
            # type=dataset_type,
            # ann_file=data_root + 'annotations/instances_val2017.json',
            # img_prefix=data_root + 'val2017/',
            # pipeline=test_pipeline),
        # test=dict(
            # type=dataset_type,
            # ann_file=data_root + 'annotations/instances_val2017.json',
            # img_prefix=data_root + 'val2017/',
            # pipeline=test_pipeline))
    # 定义数据通道
    data = dict(
        imgs_per_gpu=2,# 每个gpu计算的图像数量
        workers_per_gpu=2,# 每个GPU的线程数
        train=dict(
            type=dataset_type,
            ann_file=train_data_root + 'DataCount/en_hudie_train_kind_from_one.json',
            img_prefix=train_data_root + 'JPEGImages/',
            pipeline=train_pipeline),
        val=dict(
            type=dataset_type,
            ann_file=train_data_root + 'DataCount/en_hudie_val_kind_from_one.json',
            img_prefix=train_data_root + 'JPEGImages/',
            pipeline=test_pipeline),
        test=dict(
            type=dataset_type,
            ann_file=test_data_root + 'DataCount/en_hudie_test_kind_from_one.json',
            img_prefix=test_data_root + 'JPEGImages/',
            pipeline=test_pipeline))
    # 设置val数据集和评估指标
    # coco支持的metric有['bbox', 'segm', 'proposal', 'proposal_fast']
    # voc数据集支持的 metric 有['mAP', 'recall']
    evaluation = dict(interval=1, metric='bbox') # len(metric) == 1, metric 只能设置一个指标
    # optimizer
    # 优化参数，lr为学习率，momentum为动量因子，weight_decay为权重衰减因子
    # 当gpu数量为8时,lr=0.01；当gpu数量为4时,lr=0.005；我只要一个gpu，所以设置lr=0.00125，修改前是0.01
    optimizer = dict(type='SGD', lr=0.01, momentum=0.9, weight_decay=0.0001)
    # 梯度均衡参数
    optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
    # learning policy
    # 基准学习速率为0.01，对于FPN，在15万次和45万次后除以10
    lr_config = dict(
        policy='step',# 优化策略
        warmup='linear',# 初始的学习率增加的策略，linear为线性增加
        warmup_iters=500,# 在初始的500次迭代中学习率逐渐增加
        warmup_ratio=1.0 / 3,# 起始的学习率
        step=[8, 11])# 在第8和11个epoch时降低学习率
    checkpoint_config = dict(interval=1)# 一个epoch储存一次
    # yapf:disable
    log_config = dict(
        interval=50,# 每50个batch输出一次信息
        hooks=[
            dict(type='TextLoggerHook'),# 控制台输出信息的风格
            # dict(type='TensorboardLoggerHook')
        ])
    # yapf:enable
    # runtime settings
    total_epochs = 12# 最大epoch数。
    dist_params = dict(backend='nccl')# 分布式参数
    log_level = 'INFO'# 日志级别
    work_dir = './work_dirs/retinanet_r101_fpn_1x' #保存的训练模型目录
    load_from = None# 加载模型的路径，None表示从预训练模型加载
    resume_from = None# 恢复训练模型的路径
    workflow = [('train', 3), ('val' , 1)]# 当前工作区名称 这个意思是train 3个epoch 然后测试1次

##### 【注意】这些配置信息都可以在其他代码文件夹中找到对应的功能实现代码，重要的可以看下模型和数据部分相关的代码，其实还是需要很长时间才能搞懂的，接下来，我会尽力的慢慢分析。 #####