目标检测00-04：mmdetection(Foveabox为例)-config文件注释-持续更新

以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。$文末附带$$公众号-$$海量资源。$

目标检测00-00：mmdetection(Foveabox为例)-目录-史上最新无死角讲解

前言

该章节的内容比较单调，把 cfg 文件注释单独作为一篇博客列出来，是为了大家方便查找和分析（如果有错误的地方，需要大家及时指出）。本人在进行测试训练的时候，就是使用该配置，对应的数据集已经在前面的博客公布了。 $mmdetection的config文件不能存在中文注释，所以我提供了两个版本，即：注释版本，和非注释版$ 复制 $非注释的代码$ 到 configs/foveabox/my_fovea_r50_fpn_4x4_2x_coco.py （自行创建）之中。

注释版本：

dataset_type = 'MyCocoDataset' data_root = './data/coco_meter/' # model settings model = dict( type='FOVEA', # 设置为FOVEA，则其最终会调用到类mmdet.models.detectors.fovea.FOVEA pretrained='torchvision://resnet50', # 预训练模型 backbone=dict( # 主干网络相关配置 type='ResNet', # 主干网络的类型 depth=50, # 主干网络的深度 num_stages=4, # 阶段的数量 out_indices=(0, 1, 2, 3), # 输出的的特征层 frozen_stages=1, # 冻结指定阶段的权重 norm_cfg=dict(type='BN', requires_grad=True), # 使用BN正则化 norm_eval=True, # 评估时也使用BN style='pytorch'), # 风格形式为pytorch neck=dict( type='FPN', # FPN，特征金字塔 in_channels=[256, 512, 1024, 2048], # 输入通道数 out_channels=256, # 输出通道数 start_level=1, # 特征金字塔的开始层 num_outs=5, # 输出的数目 add_extra_convs='on_input'), bbox_head=dict( type='FoveaHead', # 头部网络类型 num_classes=1, # 数据集的类别数目 in_channels=256, # 输入通道数 stacked_convs=4, # 头部网络（对应论文中Fig 4 的cls branch 与 boxbranch）的卷积层数， feat_channels=256, # 特征层的输入通道数 strides=[8, 16, 32, 64, 128], # 可以理解为论文中的sl base_edge_list=[16, 32, 64, 128, 256], # 对应论文中的rl scale_ranges=((1, 64), (32, 128), (64, 256), (128, 512), (256, 2048)), # 对应文论中的[rl/η,rl·η], η默认值为2 sigma=0.4, # 对应论文中的σ with_deform=False, loss_cls=dict( # FocalLoss 的相关配置 type='FocalLoss', use_sigmoid=True, gamma=1.50, alpha=0.4, loss_weight=1.0), loss_bbox=dict(type='SmoothL1Loss', beta=0.11, loss_weight=1.0))) # training and testing settings train_cfg = dict() # 图像测试时的相关参数 test_cfg = dict( nms_pre=1000, # 每张图片最多对 1000 box进行正则化处理 score_thr=0.05, # 阈值超过0.05的才做nms处理 nms=dict(type='nms', iou_threshold=0.5), # nms的相关参数 max_per_img=100) # 每张图片最大的人数 # 对图像进行正则化的相关参数 img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ dict(type='LoadImageFromFile'), # 加载图片像素 dict(type='LoadAnnotations', with_bbox=True), # 加载注释 dict(type='Resize', img_scale=(640, 480), keep_ratio=True), # 把图片缩放到指定大小 dict(type='RandomFlip', flip_ratio=0.5), # 随机进行水平翻转 dict(type='Normalize', **img_norm_cfg), # 进行正则化处理 dict(type='Pad', size_divisor=32), #进行像素填充 dict(type='DefaultFormatBundle'), # 对多张图片进行聚集 dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']), # 训练网络需要的参数 ] # 进行测试评估的数据转换 test_pipeline = [ dict(type='LoadImageFromFile'), # 加载图片像素 dict( type='MultiScaleFlipAug', # 进行多种数据增强 img_scale=(640, 480), flip=False, # 关闭水平翻转 transforms=[ dict(type='Resize', keep_ratio=True), #不多图片进行缩放，保持原图大小 dict(type='RandomFlip'), # 随机水平翻转 dict(type='Normalize', **img_norm_cfg), # 正则化处理 dict(type='Pad', size_divisor=32), # 对图像进行填充 dict(type='ImageToTensor', keys=['img']), # 转换为tensor变量 dict(type='Collect', keys=['img']), # 测试过程只需要输入图像即可 ]) ] # 数据集的相关配置参数 data = dict( samples_per_gpu=2, # 可以理解为batch_size workers_per_gpu=2, # 每个GPU分配的线程数目 train=dict( type=dataset_type, # 加载数据的类型 ann_file=data_root + 'annotations/train.json', # 训练ison文件的路径 img_prefix=data_root + 'train/', # 训练图像目录的目录 pipeline=train_pipeline), # 数据转换的方式，如缩放，剪切等等 val=dict( type=dataset_type, ann_file=data_root + 'annotations/test.json', img_prefix=data_root + 'test/', pipeline=test_pipeline), test=dict( type=dataset_type, ann_file=data_root + 'annotations/test.json', img_prefix=data_root + 'test/', pipeline=test_pipeline)) # optimizer，# 优化器的相关配置参数 optimizer = dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001) optimizer_config = dict(grad_clip=None) # learning policy。学习率的衰减策略 lr_config = dict( policy='step', warmup='linear', warmup_iters=500, warmup_ratio=0.001, step=[100, 150]) total_epochs = 200 # 迭代到该epoch数，则模型停止，不再进行训练 # yapf:disable # log记录的相关参数，可以使用Tensorboard的方式 log_config = dict( interval=50, hooks=[ dict(type='TextLoggerHook'), # dict(type='TensorboardLoggerHook') ]) # yapf:enable # 和分布式训练相关的参数 dist_params = dict(backend='nccl') # loss信息打印的等级 log_level = 'INFO' # 权重文件的路径（覆盖初始化参数） load_from = None # 是否继续训练 resume_from = None # 该设置默认即可，不需要理会，如果有想了解的朋友可以参考博客: # workflow = [('train', 1)] # 训练10个epoch保存一次模型 checkpoint_config = dict(interval=10) # 训练10 epoch进行一次评估 evaluation = dict(interval=10, metric='bbox', classwise=True)

非注释版

dataset_type = 'MyCocoDataset' data_root = './data/coco_meter/' # model settings model = dict( type='FOVEA', 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, start_level=1, num_outs=5, add_extra_convs='on_input'), bbox_head=dict( type='FoveaHead', num_classes=1, in_channels=256, stacked_convs=4, feat_channels=256, strides=[8, 16, 32, 64, 128], base_edge_list=[16, 32, 64, 128, 256], scale_ranges=((1, 64), (32, 128), (64, 256), (128, 512), (256, 2048)), sigma=0.4, with_deform=False, loss_cls=dict( type='FocalLoss', use_sigmoid=True, gamma=1.50, alpha=0.4, loss_weight=1.0), loss_bbox=dict(type='SmoothL1Loss', beta=0.11, loss_weight=1.0))) # training and testing settings train_cfg = dict() test_cfg = dict( nms_pre=1000, 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) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='Resize', img_scale=(640, 480), 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']), ] test_pipeline = [ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(640, 480), 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( samples_per_gpu=2, workers_per_gpu=2, train=dict( type=dataset_type, ann_file=data_root + 'annotations/train.json', img_prefix=data_root + 'train/', pipeline=train_pipeline), val=dict( type=dataset_type, ann_file=data_root + 'annotations/test.json', img_prefix=data_root + 'test/', pipeline=test_pipeline), test=dict( type=dataset_type, ann_file=data_root + 'annotations/test.json', img_prefix=data_root + 'test/', pipeline=test_pipeline)) # optimizer optimizer = dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001) optimizer_config = dict(grad_clip=None) # learning policy lr_config = dict( policy='step', warmup='linear', warmup_iters=500, warmup_ratio=0.001, step=[100, 150]) total_epochs = 200 # yapf:disable log_config = dict( interval=50, hooks=[ dict(type='TextLoggerHook'), # dict(type='TensorboardLoggerHook') ]) # yapf:enable dist_params = dict(backend='nccl') log_level = 'INFO' load_from = None resume_from = None workflow = [('train', 1)] checkpoint_config = dict(interval=10) evaluation = dict(interval=10, metric='bbox')