From b5fa78bde6ee7a278427a5e51836428b98543309 Mon Sep 17 00:00:00 2001 From: FDInSky <48318485+FDInSky@users.noreply.github.com> Date: Fri, 5 Jun 2020 18:28:04 +0800 Subject: [PATCH] update rcnn param doc (#828) Update rcnn param doc --- .../config_doc/RCNN_PARAMS_DOC.md | 244 ++++++++++-------- 1 file changed, 132 insertions(+), 112 deletions(-) diff --git a/docs/advanced_tutorials/config_doc/RCNN_PARAMS_DOC.md b/docs/advanced_tutorials/config_doc/RCNN_PARAMS_DOC.md index 21539b49c..536268753 100644 --- a/docs/advanced_tutorials/config_doc/RCNN_PARAMS_DOC.md +++ b/docs/advanced_tutorials/config_doc/RCNN_PARAMS_DOC.md @@ -9,7 +9,6 @@ # 检测模型的名称 architecture: MaskRCNN - # 默认使用GPU运行，设为False时使用CPU运行 use_gpu: true # 最大迭代次数，而一个iter会运行batch_size * device_num张图片 @@ -39,8 +38,8 @@ num_classes: 81 MaskRCNN: backbone: ResNet fpn: FPN - roi_extractor: FPNRoIAlign rpn_head: FPNRPNHead + roi_extractor: FPNRoIAlign bbox_assigner: BBoxAssigner bbox_head: BBoxHead mask_assigner: MaskAssigner @@ -55,12 +54,8 @@ ResNet: depth: 50 # 主干网络返回的主要阶段特征用于FPN作进一步的特征融合 # 默认从[2,3,4,5]返回特征 - feature_maps: - - 2 - - 3 - - 4 - - 5 - # 是否在训练中固定norm layer的权重，默认从第2阶段开始固定 + feature_maps: [2,3,4,5] + # 是否在训练中固定某些权重，默认从第2阶段开始固定，即resnet的stage 1 freeze_at: 2 # 是否停止norm layer的梯度回传，默认是 freeze_norm: true @@ -84,11 +79,7 @@ FPN: # FPN输出特征的通道数量, 默认是256 num_chan: 256 # 特征图缩放比例, 默认是[0.03125, 0.0625, 0.125, 0.25] - spatial_scale: - - 0.03125 - - 0.0625 - - 0.125 - - 0.25 + spatial_scale: [0.03125, 0.0625, 0.125, 0.25] # 检测第一阶段RPN FPNRPNHead: @@ -100,15 +91,8 @@ FPNRPNHead: # N = anchor_sizes * aspect_ratios # 具体实现参考[API](fluid.layers.anchor_generator) anchor_generator: - aspect_ratios: - - 0.5 - - 1.0 - - 2.0 - variance: - - 1.0 - - 1.0 - - 1.0 - - 1.0 + aspect_ratios: [0.5, 1.0, 2.0] + variance: [1.0, 1.0, 1.0, 1.0] # 首先计算Anchor和GT BBox之间的IoU，为每个Anchor匹配上GT， # 然后根据阈值过滤掉IoU低的Anchor，得到最终的Anchor及其GT进行loss计算 # 具体实现参考[API](fluid.layers.rpn_target_assign) @@ -169,17 +153,11 @@ MaskHead: # 具体实现参考[API](fluid.layers.generate_proposal_labels) BBoxAssigner: batch_size_per_im: 512 - bg_thresh_hi: 0.5 + bbox_reg_weights: [0.1, 0.1, 0.2, 0.2] bg_thresh_lo: 0.0 + bg_thresh_hi: 0.5 fg_fraction: 0.25 fg_thresh: 0.5 - num_classes: 81 - shuffle_before_sample: true - bbox_reg_weights: - - 0.1 - - 0.1 - - 0.2 - - 0.2 # 根据roi的label，选择前景，为其赋值mask label # 具体实现参考[API](fluid.layers.generate_mask_labels) @@ -193,21 +171,10 @@ BBoxHead: head: TwoFCHead # 通过NMS进行bbox过滤 # 具体实现参考[API](fluid.layers.multiclass_nms) - keep_top_k: 100 - nms_threshold: 0.5 - score_threshold: 0.05 - num_classes: 81 - # 对bbox的坐标进行编解码操作 - # 具体实现参考[API](fluid.layers.box_coder) - box_coder: - axis: 1 - box_normalized: false - code_type: decode_center_size - prior_box_var: - - 0.1 - - 0.1 - - 0.2 - - 0.2 + nms: + keep_top_k: 100 + nms_threshold: 0.5 + score_threshold: 0.05 # 输出检测框之前，对特征进一步学习 TwoFCHead: @@ -225,12 +192,17 @@ LearningRate: # 学习率规划器 # 具体实现参考[API](fluid.layers.piecewise_decay) schedulers: - #学习率衰减策略 + # 学习率衰减策略 + # 对于coco数据集，1个epoch大概需要7000个iter + # if step < 120000: + # learning_rate = 0.1 + # elif 120000 <= step < 160000: + # learning_rate = 0.1 * 0.1 + # else: + # learning_rate = 0.1 * (0.1)**2 - !PiecewiseDecay gamma: 0.1 - milestones: - - 120000 - - 160000 + milestones: [120000, 160000] # 在训练开始时，调低学习率为base_lr * start_factor，然后逐步增长到base_lr，这个过程叫学习率热身，按照以下公式更新学习率 # linear_step = end_lr - start_lr # lr = start_lr + linear_step * (global_step / warmup_steps) @@ -256,82 +228,130 @@ OptimizerBuilder: # 模型训练集设置参考 # 训练、验证、测试使用的数据配置主要区别在数据路径、模型输入、数据增强参数设置 TrainReader: - # 1个GPU的batch size，默认为1 - batch_size: 1 + # 训练过程中模型的相关输入 + # 包括图片，图片长宽高等基本信息，图片id，标记的目标框、实例标签、实例分割掩码 + inputs_def: + fields: ['image', 'im_info', 'im_id', 'gt_bbox', 'gt_class', 'is_crowd', 'gt_mask'] + # VOC数据集对应的输入，注意选择VOC时，也要对应修改metric: VOC +- # fields: ['image', 'im_info', 'im_id', 'gt_bbox', 'gt_class', 'is_difficult'] # 数据集目录配置 dataset: - # 数据集根目录 - dataset_dir: dataset/coco - # 标记文件所在目录 - annotation: annotations/instances_train2017.json + # 指定数据集名称，可以选择VOCDataSet, COCODataSet + !COCODataSet # 训练图片所在目录 image_dir: train2017 - # 训练过程中模型的相关输入 - # 包括图片，图片长宽高等基本信息，图片id， 标记的目标框、实例标签、实例分割掩码 - fields: - - image - - im_info - - im_id - - gt_box - - gt_label - - is_crowd - - gt_mask - # 输入Image的尺寸 - image_shape: - - 3 - - 800 - - 1333 + # 标记文件所在目录 + anno_path: annotations/instances_train2017.json + # 数据集根目录 + dataset_dir: dataset/coco # 对一个batch中的单张图片做的数据增强 sample_transforms: - # 读取Image图像为numpy数组 - # 可以选择将图片从BGR转到RGB，可以选择对一个batch中的图片做mixup增强 - - !DecodeImage - to_rgb: true # default: true - with_mixup: false # default: false - # 对图片进行随机翻转 - # 可以选择同步翻转mask，可以选择归一化bbox的坐标 - - !RandomFlipImage - is_mask_flip: true # default: false - is_normalized: false # default: false - prob: 0.5 # default: 0.5 - # 归一化图片，默认均值[0.485, 0.456, 0.406]，方差[1, 1, 1] - # 可以选择将归一化结果除以255，可以选择图片的数据格式 - - !NormalizeImage - is_channel_first: false - is_scale: true - mean: - - 0.485 - - 0.456 - - 0.406 - std: - - 0.229 - - 0.224 - - 0.225 - # 调整图片尺寸，默认采用cv2的线性插值 - - !ResizeImage - interp: 1 - max_size: 1333 - target_size: 800 - use_cv2: true # default: true - # 调整图片数据格式，默认使用CHW - - !Permute - channel_first: true - to_bgr: false # default: true + # 读取Image图像为numpy数组 + # 可以选择将图片从BGR转到RGB，可以选择对一个batch中的图片做mixup增强 + - !DecodeImage + to_rgb: true + # 对图片进行随机翻转 + # 可以选择同步翻转mask，可以选择归一化bbox的坐标 + - !RandomFlipImage + prob: 0.5 + # 归一化图片，默认均值[0.485, 0.456, 0.406]，方差[1, 1, 1] + # 可以选择将归一化结果除以255，可以选择图片的数据格式 + - !NormalizeImage + is_channel_first: false + is_scale: true + mean: [0.485,0.456,0.406] + std: [0.229, 0.224,0.225] + # 调整图片尺寸，默认采用cv2的线性插值 + - !ResizeImage + target_size: 800 + max_size: 1333 + interp: 1 + use_cv2: true + # 调整图片数据格式，默认使用CHW + - !Permute + to_bgr: false + channel_first: true # 对一个batch中的图片统一做的数据增强 batch_transforms: - # 将一个batch中的图片，按照最大的尺寸，做补齐 - - !PadBatch - pad_to_stride: 32 # default: 32 - # 选择是否使用padding之后的image信息，默认为true - use_padded_im_info: true + # 将一个batch中的图片，按照最大的尺寸，做补齐 + - !PadBatch + pad_to_stride: 32 + # 选择是否使用padding之后的image信息，默认为false + use_padded_im_info: false + # 1个GPU的batch size，默认为1 + batch_size: 1 + # 选择是否打乱所有样本的顺序 + shuffle: true # 使用多进程/线程的数目，默认为2 worker_num: 2 # 选择是否使用多进程，默认为false use_process: false + # 如果最后一个batch的图片数量为奇数，选择是否丢掉这个batch，不进行训练，默认是不丢掉的 + drop_last: false # 使用数据集中的样本数目，默认是-1，表示使用全部 samples: -1 - # 选择是否打乱所有样本的顺序 - shuffle: true - # 如果最后一个batch的图片数量为奇数，选择是否丢掉这个batch，不进行训练，默认是不丢掉的 + + # 模型验证集设置参考 + EvalReader: + # 验证过程中模型的相关输入 + # 包括图片，图片长宽高等基本信息，图片id，图片shape + inputs_def: + fields: ['image', 'im_info', 'im_id', 'im_shape'] + dataset: + !COCODataSet + image_dir: val2017 + anno_path: annotations/instances_val2017.json + dataset_dir: dataset/coco + sample_transforms: + - !DecodeImage + to_rgb: true + - !NormalizeImage + is_channel_first: false + is_scale: true + mean: [0.485,0.456,0.406] + std: [0.229, 0.224,0.225] + - !ResizeImage + interp: 1 + max_size: 1333 + target_size: 800 + use_cv2: true + - !Permute + channel_first: true + to_bgr: false + batch_size: 1 + shuffle: false + drop_last: false + drop_empty: false + worker_num: 2 + +# 测试验证集设置参考 +TestReader: + # 测试过程中模型的相关输入 + # 包括图片，图片长宽高等基本信息，图片id，图片shape + inputs_def: + fields: ['image', 'im_info', 'im_id', 'im_shape'] + dataset: + # 测试图片所在目录 + !ImageFolder + anno_path: annotations/instances_val2017.json + sample_transforms: + - !DecodeImage + to_rgb: true + with_mixup: false + - !NormalizeImage + is_channel_first: false + is_scale: true + mean: [0.485,0.456,0.406] + std: [0.229, 0.224,0.225] + - !ResizeImage + interp: 1 + max_size: 1333 + target_size: 800 + use_cv2: true + - !Permute + channel_first: true + to_bgr: false + batch_size: 1 + shuffle: false drop_last: false ``` -- GitLab