maskrcnn_benchmark工程详解

maskrcnn_benchmark工程的github链接为：https://github.com/facebookresearch/maskrcnn-benchmark

一、工程概览

该工程文件目录树如下：

maskrcnn_benchmark

    |——tools

                 |——train.net & test_net 分别为训练和测试网络的接口文件

    |——configs——*.yaml 配置文件，用户通过该文件向神经网络传递训练参数；

    |——maskrcnn_benchmark  核心代码文件夹

                            |——config

                                        |——defaults.py  定义了默认的训练参数，即网络需要的且未在*.yaml文件定义的参数；

                            |——modeling 网络结构定义

                                        |——backbone  (First stage: extract freatures,  with networks such as ResNet-50, ResNet-101, ResNet-152, etc)    

                                        |——rpn    (Second stage:Region Proposal Network based on the extrated feature maps, propose candidate object bounding boxes & performs classification)                                          

                                        |——roi_heads  (可根据需求选择加或者不加)

                                                        |—— box_head (bounding-box regression)

                                                        |——mask_head

                                                        |——keypoint_head (关键点）

                                       |——detector——generalized_rcnn.py ( assemble the rpn & backbone & roi_heads)   

    |——model  存储训练好的模型 （pkl格式或者为pth格式）

    |——demo 存储输入给网络的图片

二、网络结构

1. resnet.py

主要支持Resnet50, Resnet101和Resnet152。具体变种包括：

_STAGE_SPECS = Registry({
    "R-50-C4": ResNet50StagesTo4,
    "R-50-C5": ResNet50StagesTo5,
    "R-101-C4": ResNet101StagesTo4,
    "R-101-C5": ResNet101StagesTo5,
    "R-50-FPN": ResNet50FPNStagesTo5,
    "R-50-FPN-RETINANET": ResNet50FPNStagesTo5,
    "R-101-FPN": ResNet101FPNStagesTo5,
    "R-101-FPN-RETINANET": ResNet101FPNStagesTo5,
    "R-152-FPN": ResNet152FPNStagesTo5,
})

其命名规则为：

StageSpec = namedtuple(
    "StageSpec",
    [
        "index",  # Index of the stage, eg 1, 2, ..,. 5
        "block_count",  # Number of residual blocks in the stage
        "return_features",  # True => return the last feature map from this stage
    ],
)

以ResNet50StagesTo5为例：

ResNet50StagesTo5 = tuple(
    StageSpec(index=i, block_count=c, return_features=r)
    for (i, c, r) in ((1, 3, False), (2, 4, False), (3, 6, False), (4, 3, True))
)

注意：如果网络结构名字中有FPN (Feature Pyramid Networks,使用网络输出的多尺度features信息)，则所有的return_features全部设为True。但是，Resnet文件只根据configs文件夹中的*.yaml 配置文件所定义的MODEL.BACKBONE.CONV_BODY名称对ResNet的结构进行初始化，并不在resnet.py文件中包含FPN的网络结构。

2. backbone.py

根据cfg.MODEL.BACKBONE.CONV_BODY对Resnet网络进行初始化后，进一步根据cfg.MODEL.BACKBONE.CONV_BODY的名称添加需要的FPN网络层。

 

三、使用：

*.yaml配置文件的更改：

1、MODEL:WEIGHT: “” 更改载入模型文件；

2、更改数据预处理（normalization),

INPUT:
  PIXEL_MEAN: (mean_c1, mean_c2, mean_c3)
  PIXEL_STD: (std_c1, std_c2, std_c3)

defaults.py更改：

1、_C.MODEL.SEGM_HEAD.NUM_CLASSES =

接口文件中：

image = cv2.resize(image, (Width, Height))