mmdetection 詳細解讀：https://blog.csdn.net/syysyf99/article/details/96574325
簡介
faster_rcnn_r50_fpn_1x.py配置文件
cascade_rcnn_r50_fpn_1x.py配置文件
一、簡介
在使用mmdetection對模型進行調優的過程中總會遇到很多參數的問題，不知道參數在代碼中是什么作用，會對訓練產生怎樣的影響，這里我以faster_rcnn_r50_fpn_1x.py和cascade_rcnn_r50_fpn_1x.py為例，簡單介紹一下mmdetection中的各項參數含義
二、faster_rcnn_r50_fpn_1x.py配置文件
首先介紹一下這個配置文件所描述的框架，它是基於resnet50的backbone，有着5個fpn特征層的faster-RCNN目標檢測網絡，訓練迭代次數為標准的12次epoch，下面逐條解釋其含義
# model settings
model = dict(
type='FasterRCNN', # model類型
pretrained='modelzoo://resnet50', # 預訓練模型：imagenet-resnet50
backbone=dict(
type='ResNet', # backbone類型
depth=50, # 網絡層數
num_stages=4, # resnet的stage數量
out_indices=(0, 1, 2, 3), # 輸出的stage的序號
frozen_stages=1, # 凍結的stage數量，即該stage不更新參數，-1表示所有的stage都更新參數
style='pytorch'), # 網絡風格：如果設置pytorch，則stride為2的層是conv3x3的卷積層；如果設置caffe，則stride為2的層是第一個conv1x1的卷積層
neck=dict(
type='FPN', # neck類型
in_channels=[256, 512, 1024, 2048], # 輸入的各個stage的通道數
out_channels=256, # 輸出的特征層的通道數
num_outs=5), # 輸出的特征層的數量
rpn_head=dict(
type='RPNHead', # RPN網絡類型
in_channels=256, # RPN網絡的輸入通道數
feat_channels=256, # 特征層的通道數
anchor_scales=[8], # 生成的anchor的baselen，baselen = sqrt(w*h)，w和h為anchor的寬和高
anchor_ratios=[0.5, 1.0, 2.0], # anchor的寬高比
anchor_strides=[4, 8, 16, 32, 64], # 在每個特征層上的anchor的步長（對應於原圖）
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來進行分類，如果False則使用softmax來分類
bbox_roi_extractor=dict(
type='SingleRoIExtractor', # RoIExtractor類型
roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2), # ROI具體參數：ROI類型為ROIalign，輸出尺寸為7，sample數為2
out_channels=256, # 輸出通道數
featmap_strides=[4, 8, 16, 32]), # 特征圖的步長
bbox_head=dict(
type='SharedFCBBoxHead', # 全連接層類型
num_fcs=2, # 全連接層數量
in_channels=256, # 輸入通道數
fc_out_channels=1024, # 輸出通道數
roi_feat_size=7, # ROI特征層尺寸
num_classes=81, # 分類器的類別數量+1，+1是因為多了一個背景的類別
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的方式來預測，class_agnostic表示輸出bbox時只考慮其是否為前景，后續分類的時候再根據該bbox在網絡中的類別得分來分類，也就是說一個框可以對應多個類別
# model training and testing settings
train_cfg = dict(
rpn=dict(
assigner=dict(
type='MaxIoUAssigner', # RPN網絡的正負樣本划分
pos_iou_thr=0.7, # 正樣本的iou閾值
neg_iou_thr=0.3, # 負樣本的iou閾值
min_pos_iou=0.3, # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低於0.3，則忽略所有的anchors，否則保留最大IOU的anchor
ignore_iof_thr=-1), # 忽略bbox的閾值，當ground truth中包含需要忽略的bbox時使用，-1表示不忽略
sampler=dict(
type='RandomSampler', # 正負樣本提取器類型
num=256, # 需提取的正負樣本數量
pos_fraction=0.5, # 正樣本比例
neg_pos_ub=-1, # 最大負樣本比例，大於該比例的負樣本忽略，-1表示不忽略
add_gt_as_proposals=False), # 把ground truth加入proposal作為正樣本
allowed_border=0, # 允許在bbox周圍外擴一定的像素
pos_weight=-1, # 正樣本權重，-1表示不改變原始的權重
smoothl1_beta=1 / 9.0, # 平滑L1系數
debug=False), # debug模式
rcnn=dict(
assigner=dict(
type='MaxIoUAssigner', # RCNN網絡正負樣本划分
pos_iou_thr=0.5, # 正樣本的iou閾值
neg_iou_thr=0.5, # 負樣本的iou閾值
min_pos_iou=0.5, # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低於0.3，則忽略所有的anchors，否則保留最大IOU的anchor
ignore_iof_thr=-1), # 忽略bbox的閾值，當ground truth中包含需要忽略的bbox時使用，-1表示不忽略
sampler=dict(
type='RandomSampler', # 正負樣本提取器類型
num=512, # 需提取的正負樣本數量
pos_fraction=0.25, # 正樣本比例
neg_pos_ub=-1, # 最大負樣本比例，大於該比例的負樣本忽略，-1表示不忽略
add_gt_as_proposals=True), # 把ground truth加入proposal作為正樣本
pos_weight=-1, # 正樣本權重，-1表示不改變原始的權重
debug=False)) # debug模式
test_cfg = dict(
rpn=dict( # 推斷時的RPN參數
nms_across_levels=False, # 在所有的fpn層內做nms
nms_pre=2000, # 在nms之前保留的的得分最高的proposal數量
nms_post=2000, # 在nms之后保留的的得分最高的proposal數量
max_num=2000, # 在后處理完成之后保留的proposal數量
nms_thr=0.7, # nms閾值
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表示最終輸出的det bbox數量
# 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參數
)
# dataset settings
dataset_type = 'CocoDataset' # 數據集類型
data_root = 'data/coco/' # 數據集根目錄
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) # 輸入圖像初始化，減去均值mean並處以方差std，to_rgb表示將bgr轉為rgb
data = dict(
imgs_per_gpu=2, # 每個gpu計算的圖像數量
workers_per_gpu=2, # 每個gpu分配的線程數
train=dict(
type=dataset_type, # 數據集類型
ann_file=data_root + 'annotations/instances_train2017.json', # 數據集annotation路徑
img_prefix=data_root + 'train2017/', # 數據集的圖片路徑
img_scale=(1333, 800), # 輸入圖像尺寸，最大邊1333，最小邊800
img_norm_cfg=img_norm_cfg, # 圖像初始化參數
size_divisor=32, # 對圖像進行resize時的最小單位，32表示所有的圖像都會被resize成32的倍數
flip_ratio=0.5, # 圖像的隨機左右翻轉的概率
with_mask=False, # 訓練時附帶mask
with_crowd=True, # 訓練時附帶difficult的樣本
with_label=True), # 訓練時附帶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) # 優化參數，lr為學習率，momentum為動量因子，weight_decay為權重衰減因子
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2)) # 梯度均衡參數
# learning policy
lr_config = dict(
policy='step', # 優化策略
warmup='linear', # 初始的學習率增加的策略，linear為線性增加
warmup_iters=500, # 在初始的500次迭代中學習率逐漸增加
warmup_ratio=1.0 / 3, # 起始的學習率
step=[8, 11]) # 在第8和11個epoch時降低學習率
checkpoint_config = dict(interval=1) # 每1個epoch存儲一次模型
# yapf:disable
log_config = dict(
interval=50, # 每50個batch輸出一次信息
hooks=[
dict(type='TextLoggerHook'), # 控制台輸出信息的風格
# dict(type='TensorboardLoggerHook')
])
# yapf:enable
# runtime settings
total_epochs = 12 # 最大epoch數
dist_params = dict(backend='nccl') # 分布式參數
log_level = 'INFO' # 輸出信息的完整度級別
work_dir = './work_dirs/faster_rcnn_r50_fpn_1x' # log文件和模型文件存儲路徑
load_from = None # 加載模型的路徑，None表示從預訓練模型加載
resume_from = None # 恢復訓練模型的路徑
workflow = [('train', 1)] # 當前工作區名稱
三、cascade_rcnn_r50_fpn_1x.py配置文件
cascade-RCNN是cvpr2018的文章，相比於faster-RCNN的改進主要在於其RCNN有三個stage，這三個stage逐級refine檢測的結果，使得結果達到更高的精度。下面逐條解釋其config的含義，與faster-RCNN相同的部分就不再贅述。
# model settings
model = dict(
type='CascadeRCNN',
num_stages=3, # RCNN網絡的stage數量，在faster-RCNN中為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，這里有3個RCNN的模塊，對應開頭的那個RCNN的stage數量
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個RCNN的stage的loss權重
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的結果
# 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)]
原文鏈接：https://blog.csdn.net/hajlyx/article/details/85991400