mmdetection2.6 模型微调

2020 年 11 月 24 日
AI
目标检测

mmdetection提供了丰富的预训练模型文件，我们可以直接采用mdmetection提供的预训练模型在我们的数据集上微调。预训练模型参考//mmdetection.readthedocs.io/en/latest/model_zoo.html,其实也可以在configs文件夹中的readme文件中找到相应的模型链接。

在一个新的数据集上微调模型需要如下的两个步骤：

按照mmdetection2.6自定义数据集的方式给框架添加新数据集的支持。
修改config文件（这里讨论）

一、继承base configs

mmdetection2.6采用config的继承模式，来防止写一整个模型的config文件容易造成的编码bug，例如当微调mask rcnn时，新的config文件继承

_base_/models/mask_rcnn_r50_fpn.py来构建基本的模型，如果使用Cityscapes数据集，新的config文件需要继承

_base_/datasets/cityscapes_instance.py，对于运行时设置，config文件必须继承 _base_/default_runtime.py。

_base_ = [
    '../_base_/models/mask_rcnn_r50_fpn.py',
    '../_base_/datasets/cityscapes_instance.py', '../_base_/default_runtime.py'
]

如果不想要继承，也可以自己写所有的config文件。

二、修改head

简单修改num_classes即可。

model = dict(
    pretrained=None,
    roi_head=dict(
        bbox_head=dict(
            type='Shared2FCBBoxHead',
            in_channels=256,
            fc_out_channels=1024,
            roi_feat_size=7,
            num_classes=8,
            bbox_coder=dict(
                type='DeltaXYWHBBoxCoder',
                target_means=[0., 0., 0., 0.],
                target_stds=[0.1, 0.1, 0.2, 0.2]),
            reg_class_agnostic=False,
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),
        mask_head=dict(
            type='FCNMaskHead',
            num_convs=4,
            in_channels=256,
            conv_out_channels=256,
            num_classes=8,
            loss_mask=dict(
                type='CrossEntropyLoss', use_mask=True, loss_weight=1.0))))

三、修改数据集

按照mmdetection2.6自定义数据集的方式给框架添加新数据集的支持。

四、修改training schedule

直接在config文件中共修改即可

# optimizer
# lr is set for a batch size of 8
optimizer = dict(type='SGD', lr=0.01, 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,
    # [7] yields higher performance than [6]
    step=[7])
total_epochs = 8  # actual epoch = 8 * 8 = 64
log_config = dict(interval=100)

五、使用预训练模型

修改config文件中的load_from参数即可

load_from = '下载的权重的保存路径，也可以直接放上官方的urls'

专栏所有文章请点击下列文章列表查看：

知乎专栏：小哲AI专栏文章分类索引跳转查看

AI研习社专栏：小哲AI专栏文章分类索引

Tags: 目标检测