mmdetection的configs中的各项参数具体解释

深藏阁楼爱情的钟 2022-01-16 00:25 1361阅读 0赞

一、简介  
在使用mmdetection对模型进行调优的过程中总会遇到很多参数的问题，不知道参数在代码中是什么作用，会对训练产生怎样的影响，这里我以faster\_rcnn\_r50\_fpn\_1x.py和cascade\_rcnn\_r50\_fpn\_1x.py为例，简单介绍一下mmdetection中的各项参数含义

二、faster\_rcnn\_r50\_fpn\_1x.py配置文件  
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12次epoch，下面逐条解释其含义

# model settings
    model = dict(
    	type='FasterRCNN',                         # model类型
        pretrained='modelzoo://resnet50',          # 预训练模型：imagenet-resnet50
        backbone=dict(
            type='ResNet',                         # backbone类型
            depth=50,                              # 网络层数
            num_stages=4,                          # resnet的stage数量
            out_indices=(0, 1, 2, 3),              # 输出的stage的序号
            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
            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',                            # neck类型
            in_channels=[256, 512, 1024, 2048],    # 输入的各个stage的通道数
            out_channels=256,                      # 输出的特征层的通道数
            num_outs=5),                           # 输出的特征层的数量
        rpn_head=dict(
            type='RPNHead',                        # RPN网络类型
            in_channels=256,                       # RPN网络的输入通道数
            feat_channels=256,                     # 特征层的通道数
            anchor_scales=[8],                     # 生成的anchor的baselen，baselen = sqrt(w*h)，w和h为anchor的宽和高
            anchor_ratios=[0.5, 1.0, 2.0],         # anchor的宽高比
            anchor_strides=[4, 8, 16, 32, 64],     # 在每个特征层上的anchor的步长（对应于原图）
            target_means=[.0, .0, .0, .0],         # 均值
            target_stds=[1.0, 1.0, 1.0, 1.0],      # 方差
            use_sigmoid_cls=True),                 # 是否使用sigmoid来进行分类，如果False则使用softmax来分类
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',                                   # RoIExtractor类型
            roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),   # ROI具体参数：ROI类型为ROIalign，输出尺寸为7，sample数为2
            out_channels=256,                                            # 输出通道数
            featmap_strides=[4, 8, 16, 32]),                             # 特征图的步长
        bbox_head=dict(
            type='SharedFCBBoxHead',                     # 全连接层类型
            num_fcs=2,                                   # 全连接层数量
            in_channels=256,                             # 输入通道数
            fc_out_channels=1024,                        # 输出通道数
            roi_feat_size=7,                             # ROI特征层尺寸
            num_classes=81,                              # 分类器的类别数量+1，+1是因为多了一个背景的类别
            target_means=[0., 0., 0., 0.],               # 均值
            target_stds=[0.1, 0.1, 0.2, 0.2],            # 方差
            reg_class_agnostic=False))                   # 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
    # model training and testing settings
    train_cfg = dict(
        rpn=dict(
            assigner=dict(
                type='MaxIoUAssigner',            # RPN网络的正负样本划分
                pos_iou_thr=0.7,                  # 正样本的iou阈值
                neg_iou_thr=0.3,                  # 负样本的iou阈值
                min_pos_iou=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
                ignore_iof_thr=-1),               # 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
            sampler=dict(
                type='RandomSampler',             # 正负样本提取器类型
                num=256,                          # 需提取的正负样本数量
                pos_fraction=0.5,                 # 正样本比例
                neg_pos_ub=-1,                    # 最大负样本比例，大于该比例的负样本忽略，-1表示不忽略
                add_gt_as_proposals=False),       # 把ground truth加入proposal作为正样本
            allowed_border=0,                     # 允许在bbox周围外扩一定的像素
            pos_weight=-1,                        # 正样本权重，-1表示不改变原始的权重
            smoothl1_beta=1 / 9.0,                # 平滑L1系数
            debug=False),                         # debug模式
        rcnn=dict(
            assigner=dict(
                type='MaxIoUAssigner',            # RCNN网络正负样本划分
                pos_iou_thr=0.5,                  # 正样本的iou阈值
                neg_iou_thr=0.5,                  # 负样本的iou阈值
                min_pos_iou=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
                ignore_iof_thr=-1),               # 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
            sampler=dict(
                type='RandomSampler',             # 正负样本提取器类型
                num=512,                          # 需提取的正负样本数量
                pos_fraction=0.25,                # 正样本比例
                neg_pos_ub=-1,                    # 最大负样本比例，大于该比例的负样本忽略，-1表示不忽略
                add_gt_as_proposals=True),        # 把ground truth加入proposal作为正样本
            pos_weight=-1,                        # 正样本权重，-1表示不改变原始的权重
            debug=False))                         # debug模式
    test_cfg = dict(
        rpn=dict(                                 # 推断时的RPN参数
            nms_across_levels=False,              # 在所有的fpn层内做nms
            nms_pre=2000,                         # 在nms之前保留的的得分最高的proposal数量
            nms_post=2000,                        # 在nms之后保留的的得分最高的proposal数量
            max_num=2000,                         # 在后处理完成之后保留的proposal数量
            nms_thr=0.7,                          # nms阈值
            min_bbox_size=0),                     # 最小bbox尺寸
        rcnn=dict(
            score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)   # max_per_img表示最终输出的det bbox数量
        # soft-nms is also supported for rcnn testing
        # e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.05)            # soft_nms参数
    )
    # dataset settings
    dataset_type = 'CocoDataset'                # 数据集类型
    data_root = 'data/coco/'                    # 数据集根目录
    img_norm_cfg = dict(
        mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)   # 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
    data = dict(
        imgs_per_gpu=2,                # 每个gpu计算的图像数量
        workers_per_gpu=2,             # 每个gpu分配的线程数
        train=dict(
            type=dataset_type,                                                 # 数据集类型
            ann_file=data_root + 'annotations/instances_train2017.json',       # 数据集annotation路径
            img_prefix=data_root + 'train2017/',                               # 数据集的图片路径
            img_scale=(1333, 800),                                             # 输入图像尺寸，最大边1333，最小边800
            img_norm_cfg=img_norm_cfg,                                         # 图像初始化参数
            size_divisor=32,                                                   # 对图像进行resize时的最小单位，32表示所有的图像都会被resize成32的倍数
            flip_ratio=0.5,                                                    # 图像的随机左右翻转的概率
            with_mask=False,                                                   # 训练时附带mask
            with_crowd=True,                                                   # 训练时附带difficult的样本
            with_label=True),                                                  # 训练时附带label
        val=dict(
            type=dataset_type,                                                 # 同上
            ann_file=data_root + 'annotations/instances_val2017.json',         # 同上
            img_prefix=data_root + 'val2017/',                                 # 同上
            img_scale=(1333, 800),                                             # 同上
            img_norm_cfg=img_norm_cfg,                                         # 同上
            size_divisor=32,                                                   # 同上
            flip_ratio=0,                                                      # 同上
            with_mask=False,                                                   # 同上
            with_crowd=True,                                                   # 同上
            with_label=True),                                                  # 同上
        test=dict(
            type=dataset_type,                                                 # 同上
            ann_file=data_root + 'annotations/instances_val2017.json',         # 同上
            img_prefix=data_root + 'val2017/',                                 # 同上
            img_scale=(1333, 800),                                             # 同上
            img_norm_cfg=img_norm_cfg,                                         # 同上
            size_divisor=32,                                                   # 同上
            flip_ratio=0,                                                      # 同上
            with_mask=False,                                                   # 同上
            with_label=False,                                                  # 同上
            test_mode=True))                                                   # 同上
    # optimizer
    optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)   # 优化参数，lr为学习率，momentum为动量因子，weight_decay为权重衰减因子
    optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))          # 梯度均衡参数
    # learning policy
    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)      # 每1个epoch存储一次模型
    # 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'                              # 输出信息的完整度级别
    work_dir = './work_dirs/faster_rcnn_r50_fpn_1x' # log文件和模型文件存储路径
    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', 1)]                       # 当前工作区名称

三、cascade\_rcnn\_r50\_fpn\_1x.py配置文件  
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。下面逐条解释其config的含义，与faster-RCNN相同的部分就不再赘述。

# model settings
    model = dict(
        type='CascadeRCNN',
        num_stages=3,                     # RCNN网络的stage数量，在faster-RCNN中为1
        pretrained='modelzoo://resnet50',
        backbone=dict(
            type='ResNet',
            depth=50,
            num_stages=4,
            out_indices=(0, 1, 2, 3),
            frozen_stages=1,
            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_scales=[8],
            anchor_ratios=[0.5, 1.0, 2.0],
            anchor_strides=[4, 8, 16, 32, 64],
            target_means=[.0, .0, .0, .0],
            target_stds=[1.0, 1.0, 1.0, 1.0],
            use_sigmoid_cls=True),
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=[
            dict(
                type='SharedFCBBoxHead',
                num_fcs=2,
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=81,
                target_means=[0., 0., 0., 0.],
                target_stds=[0.1, 0.1, 0.2, 0.2],
                reg_class_agnostic=True),
            dict(
                type='SharedFCBBoxHead',
                num_fcs=2,
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=81,
                target_means=[0., 0., 0., 0.],
                target_stds=[0.05, 0.05, 0.1, 0.1],
                reg_class_agnostic=True),
            dict(
                type='SharedFCBBoxHead',
                num_fcs=2,
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=81,
                target_means=[0., 0., 0., 0.],
                target_stds=[0.033, 0.033, 0.067, 0.067],
                reg_class_agnostic=True)
        ])
    # model training and testing settings
    train_cfg = dict(
        rpn=dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.7,
                neg_iou_thr=0.3,
                min_pos_iou=0.3,
                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,
            smoothl1_beta=1 / 9.0,
            debug=False),
        rcnn=[                    # 注意，这里有3个RCNN的模块，对应开头的那个RCNN的stage数量
            dict(
                assigner=dict(
                    type='MaxIoUAssigner',
                    pos_iou_thr=0.5,
                    neg_iou_thr=0.5,
                    min_pos_iou=0.5,
                    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,
                    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,
                    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)
        ],
        stage_loss_weights=[1, 0.5, 0.25])     # 3个RCNN的stage的loss权重
    test_cfg = dict(
        rpn=dict(
            nms_across_levels=False,
            nms_pre=2000,
            nms_post=2000,
            max_num=2000,
            nms_thr=0.7,
            min_bbox_size=0),
        rcnn=dict(
            score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100),
        keep_all_stages=False)         # 是否保留所有stage的结果
    # dataset settings
    dataset_type = 'CocoDataset'
    data_root = 'data/coco/'
    img_norm_cfg = dict(
        mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
    data = dict(
        imgs_per_gpu=2,
        workers_per_gpu=2,
        train=dict(
            type=dataset_type,
            ann_file=data_root + 'annotations/instances_train2017.json',
            img_prefix=data_root + 'train2017/',
            img_scale=(1333, 800),
            img_norm_cfg=img_norm_cfg,
            size_divisor=32,
            flip_ratio=0.5,
            with_mask=False,
            with_crowd=True,
            with_label=True),
        val=dict(
            type=dataset_type,
            ann_file=data_root + 'annotations/instances_val2017.json',
            img_prefix=data_root + 'val2017/',
            img_scale=(1333, 800),
            img_norm_cfg=img_norm_cfg,
            size_divisor=32,
            flip_ratio=0,
            with_mask=False,
            with_crowd=True,
            with_label=True),
        test=dict(
            type=dataset_type,
            ann_file=data_root + 'annotations/instances_val2017.json',
            img_prefix=data_root + 'val2017/',
            img_scale=(1333, 800),
            img_norm_cfg=img_norm_cfg,
            size_divisor=32,
            flip_ratio=0,
            with_mask=False,
            with_label=False,
            test_mode=True))
    # optimizer
    optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
    optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
    # learning policy
    lr_config = dict(
        policy='step',
        warmup='linear',
        warmup_iters=500,
        warmup_ratio=1.0 / 3,
        step=[8, 11])
    checkpoint_config = dict(interval=1)
    # yapf:disable
    log_config = dict(
        interval=50,
        hooks=[
            dict(type='TextLoggerHook'),
            # dict(type='TensorboardLoggerHook')
        ])
    # yapf:enable
    # runtime settings
    total_epochs = 12
    dist_params = dict(backend='nccl')
    log_level = 'INFO'
    work_dir = './work_dirs/cascade_rcnn_r50_fpn_1x'
    load_from = None
    resume_from = None
    workflow = [('train', 1)]

参考链接：

[https://www.jiqizhixin.com/articles/2018-10-17-10][https_www.jiqizhixin.com_articles_2018-10-17-10]

[https_www.jiqizhixin.com_articles_2018-10-17-10]: https://www.jiqizhixin.com/articles/2018-10-17-10