【mmdetection源码阅读二】configs下的retinanet_r101_fpn_1x.py
前言
在mmdetection中，将目标检测的网络框架分为了几个模块：
1 backbone：通常是FCN网络,用于提取特征图,例如ResNet,MobileNet。
2 neck：骨干和头部之间的组件,例如FPN,PAFPN。
3 head：用于特定任务的组件,例如bbox预测和掩码预测。
4 roi提取器：用于从要素图(例如RoI Align)中提取RoI要素的部分。
所以在配置文件中，configs文件夹下，基本上所有的配置文件按照以下的模式进行：
1 定义模型
2 训练和测试过程的配置
3 数据集操作
4 优化器
5 学习率
下面我贴上我注释过的retinanet_r101_fpn_1x.py源码，供您参考
代码注释
# model settings
model = dict(
type='RetinaNet', # 模型
pretrained='torchvision://resnet101',#加载预训练模型
backbone=dict(
type='ResNet',# 网络模型
depth=101, # 深度
num_stages=4,# resnet的stage数量
out_indices=(0, 1, 2, 3),#输出的stage序号
frozen_stages=1,# 冻结的stage数量，即该stage不更新参数，-1表示所有的stage都更新参数
norm_cfg=dict(type='BN', requires_grad=True),# 定义正则化 需要更新参数
style='pytorch'),# 网络风格：如果设置pytorch，则stride为2的层是conv3x3的卷积层；如果设置caffe，则stride为2的层是第一个conv1x1的卷积层
neck=dict(
type='FPN',# 定义FPN
in_channels=[256, 512, 1024, 2048],# 定义各个stage输入的通道数
out_channels=256,#定义输出的通道数
start_level=1,# 开始进行FPN的特征层
add_extra_convs=True,# 是否需要额外的卷积
num_outs=5),#输出的特征数
bbox_head=dict(
type='RetinaHead',# 定义RetinaNetHead
num_classes=95, #coco catNum=80 ori write 81
in_channels=256,# 定义输入的通道数
stacked_convs=4,# 卷积层数
feat_channels=256, # 定义输出特征的通道数
octave_base_scale=4, # 定义基础的anchor倍数
scales_per_octave=3, # 定义anchors_scales的个数
anchor_ratios=[0.5, 1.0, 2.0],# 定义长宽比
anchor_strides=[8, 16, 32, 64, 128],# 定义anchor_strides
target_means=[.0, .0, .0, .0],
target_stds=[1.0, 1.0, 1.0, 1.0],
loss_cls=dict(
type='FocalLoss',
use_sigmoid=True,
gamma=2.0,
alpha=0.25,
loss_weight=1.0),# 定义分类误差
loss_bbox=dict(type='SmoothL1Loss', beta=0.11, loss_weight=1.0))) # 定义回归误差
# training and testing settings
# 训练和测试的配置
train_cfg = dict(
assigner=dict(
type='MaxIoUAssigner',
pos_iou_thr=0.5,
neg_iou_thr=0.4,
min_pos_iou=0,
ignore_iof_thr=-1),
allowed_border=-1,
pos_weight=-1,
debug=False)
test_cfg = dict(
nms_pre=1000,
min_bbox_size=0,
score_thr=0.05,
nms=dict(type='nms', iou_thr=0.5),
max_per_img=100)
# dataset settings
# 选择实验的数据集格式
dataset_type = 'CocoDataset'
# data_root = 'data/coco/'
train_data_root = '/home/'
test_data_root = '/home/'
# 定义RGB通道的均值和标注差，这个最好是自己数据集的所有数据进行求解，包含训练和测试集
# 输入图像初始化，减去均值mean并处以方差std，to_rgb表示将bgr转为rgb
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
#定义训练集的通道
train_pipeline = [
dict(type='LoadImageFromFile'),
dict(type='LoadAnnotations', with_bbox=True),
dict(type='Resize', img_scale=(1333, 800), 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']),
]
# 定义测试集的数据通道
test_pipeline = [
dict(type='LoadImageFromFile'),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
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(
# imgs_per_gpu=2,
# workers_per_gpu=2,
# train=dict(
# type=dataset_type,
# ann_file=train_data_root + 'annotations/instances_train2017.json',
# img_prefix=data_root + 'train2017/',
# pipeline=train_pipeline),
# val=dict(
# type=dataset_type,
# ann_file=data_root + 'annotations/instances_val2017.json',
# img_prefix=data_root + 'val2017/',
# pipeline=test_pipeline),
# test=dict(
# type=dataset_type,
# ann_file=data_root + 'annotations/instances_val2017.json',
# img_prefix=data_root + 'val2017/',
# pipeline=test_pipeline))
# 定义数据通道
data = dict(
imgs_per_gpu=2,# 每个gpu计算的图像数量
workers_per_gpu=2,# 每个GPU的线程数
train=dict(
type=dataset_type,
ann_file=train_data_root + 'DataCount/en_hudie_train_kind_from_one.json',
img_prefix=train_data_root + 'JPEGImages/',
pipeline=train_pipeline),
val=dict(
type=dataset_type,
ann_file=train_data_root + 'DataCount/en_hudie_val_kind_from_one.json',
img_prefix=train_data_root + 'JPEGImages/',
pipeline=test_pipeline),
test=dict(
type=dataset_type,
ann_file=test_data_root + 'DataCount/en_hudie_test_kind_from_one.json',
img_prefix=test_data_root + 'JPEGImages/',
pipeline=test_pipeline))
# 设置val数据集和评估指标
# coco支持的metric有['bbox', 'segm', 'proposal', 'proposal_fast']
# voc数据集支持的 metric 有['mAP', 'recall']
evaluation = dict(interval=1, metric='bbox') # len(metric) == 1, metric 只能设置一个指标
# optimizer
# 优化参数，lr为学习率，momentum为动量因子，weight_decay为权重衰减因子
# 当gpu数量为8时,lr=0.01；当gpu数量为4时,lr=0.005；我只要一个gpu，所以设置lr=0.00125，修改前是0.01
optimizer = dict(type='SGD', lr=0.01, momentum=0.9, weight_decay=0.0001)
# 梯度均衡参数
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
# learning policy
# 基准学习速率为0.01，对于FPN，在15万次和45万次后除以10
lr_config = dict(
policy='step',# 优化策略
warmup='linear',# 初始的学习率增加的策略，linear为线性增加
warmup_iters=500,# 在初始的500次迭代中学习率逐渐增加
warmup_ratio=1.0 / 3,# 起始的学习率
step=[8, 11])# 在第8和11个epoch时降低学习率
checkpoint_config = dict(interval=1)# 一个epoch储存一次
# yapf:disable
log_config = dict(
interval=50,# 每50个batch输出一次信息
hooks=[
dict(type='TextLoggerHook'),# 控制台输出信息的风格
# dict(type='TensorboardLoggerHook')
])
# yapf:enable
# runtime settings
total_epochs = 12# 最大epoch数。
dist_params = dict(backend='nccl')# 分布式参数
log_level = 'INFO'# 日志级别
work_dir = './work_dirs/retinanet_r101_fpn_1x' #保存的训练模型目录
load_from = None# 加载模型的路径，None表示从预训练模型加载
resume_from = None# 恢复训练模型的路径
workflow = [('train', 3), ('val' , 1)]# 当前工作区名称 这个意思是train 3个epoch 然后测试1次