【天池比賽】數智重慶.全球產業賦能創新大賽【賽場一】物體檢測

原創 深度学习视觉 2020-06-19 06:14

Update List

2020/1/1 : Code Link:

本次開源，是幫助小白，有什麼問題，歡迎留言，有什麼建議，也歡迎留言

本次比賽，大多數同學都是使用mmdetection,使用mmdetection第一步就是應該瞭解config文件.
由於大部分代碼來源mmdet,所以暫時只上傳config。

cascade_rcnn_r50_fpn_1x.py

# fp16 settings
fp16 = dict(loss_scale=512.)
# model settings
model = dict(
    type='CascadeRCNN',
    num_stages=3,
    pretrained='torchvision://resnet50',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        style='pytorch',
        #dcn=dict( #在最後三個block加入可變形卷積 
         #   modulated=False, deformable_groups=1, fallback_on_stride=False),
          #  stage_with_dcn=(False, True, True, True)
        ),
    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=[0.2, 0.5, 1.0, 2.0, 5.0], # 添加了0.2，5
        anchor_strides=[4, 8, 16, 32, 64],
        target_means=[.0, .0, .0, .0],
        target_stds=[1.0, 1.0, 1.0, 1.0],
        loss_cls=dict(
            type='FocalLoss', use_sigmoid=True, loss_weight=1.0), # 修改了loss，爲了調控難易樣本與正負樣本比例
        loss_bbox=dict(type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)),
    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=11,
            target_means=[0., 0., 0., 0.],
            target_stds=[0.1, 0.1, 0.2, 0.2],
            reg_class_agnostic=True,
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),
        dict(
            type='SharedFCBBoxHead',
            num_fcs=2,
            in_channels=256,
            fc_out_channels=1024,
            roi_feat_size=7,
            num_classes=11,
            target_means=[0., 0., 0., 0.],
            target_stds=[0.05, 0.05, 0.1, 0.1],
            reg_class_agnostic=True,
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),
        dict(
            type='SharedFCBBoxHead',
            num_fcs=2,
            in_channels=256,
            fc_out_channels=1024,
            roi_feat_size=7,
            num_classes=11,
            target_means=[0., 0., 0., 0.],
            target_stds=[0.033, 0.033, 0.067, 0.067],
            reg_class_agnostic=True,
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))
    ])
# 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,
        debug=False),
    rpn_proposal=dict(
        nms_across_levels=False,
        nms_pre=2000,
        nms_post=2000,
        max_num=2000,
        nms_thr=0.7,
        min_bbox_size=0),
    rcnn=[
        dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.4, # 更換
                neg_iou_thr=0.4,
                min_pos_iou=0.4,
                ignore_iof_thr=-1),
            sampler=dict(
                type='OHEMSampler',
                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=0.5,
                neg_iou_thr=0.5,
                min_pos_iou=0.5,
                ignore_iof_thr=-1),
            sampler=dict(
                type='OHEMSampler', # 解決難易樣本，也解決了正負樣本比例問題。
                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='OHEMSampler',
                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])
test_cfg = dict(
    rpn=dict(
        nms_across_levels=False,
        nms_pre=1000,
        nms_post=1000,
        max_num=1000,
        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=20)) # 這裏可以換爲sof_tnms
# dataset settings
dataset_type = 'CocoDataset'
data_root = '../../data/chongqing1_round1_train1_20191223/'
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(492,658), keep_ratio=True), #這裏可以更換多尺度[(),()]
    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']),
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(492,658),
        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=8, # 有的同學不知道batchsize在哪修改，其實就是修改這裏，每個gpu同時處理的images數目。
    workers_per_gpu=2,
    train=dict(
        type=dataset_type,
        ann_file=data_root + 'fixed_annotations.json', # 更換自己的json文件
        img_prefix=data_root + 'images/', # images目錄
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'fixed_annotations.json',
        img_prefix=data_root + 'images/',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'fixed_annotations.json',
        img_prefix=data_root + 'images/',
        pipeline=test_pipeline))
# optimizer
optimizer = dict(type='SGD', lr=0.001, momentum=0.9, weight_decay=0.0001) # lr = 0.00125*batch_size，不能過大，否則梯度爆炸。
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=[6, 12, 19])
checkpoint_config = dict(interval=1)
# yapf:disable
log_config = dict(
    interval=64,
    hooks=[
        dict(type='TextLoggerHook'), # 控制檯輸出信息的風格
        # dict(type='TensorboardLoggerHook') # 需要安裝tensorflow and tensorboard纔可以使用
    ])
# yapf:enable
# runtime settings
total_epochs = 20
dist_params = dict(backend='nccl')
log_level = 'INFO'
work_dir = '../work_dirs/cascade_rcnn_r50_fpn_1x' # 日誌目錄
load_from = '../work_dirs/cascade_rcnn_r50_fpn_1x/latest.pth' # 模型加載目錄文件
#load_from = '../work_dirs/cascade_rcnn_r50_fpn_1x/cascade_rcnn_r50_coco_pretrained_weights_classes_11.pth'
resume_from = None
workflow = [('train', 1)]

源代碼修改部分

1.有同學說沒有，segmentation字段，其實，只要註釋源代碼中那一行，就可以簡單處理。
2.對於label=0,可以在coco.py中修改過濾條件。

for i, ann in enumerate(ann_info):
    if ann.get('ignore', False):
        continue
    x1, y1, w, h = ann['bbox']
    if ann['area'] <= 0 or w < 1 or h < 1:
        continue
    if ann['category_id'] == 0:
        continue


    bbox = [round(x1,2), round(y1,2), round(x1 + w - 1,2), round(y1 + h - 1,2)]
    if ann.get('iscrowd', False):
        gt_bboxes_ignore.append(bbox)
    else:
        gt_bboxes.append(bbox)
        gt_labels.append(ann['category_id'])
        # gt_masks_ann.append(ann['segmentation'])

if gt_bboxes:
    gt_bboxes = np.array(gt_bboxes, dtype=np.float32)
    gt_labels = np.array(gt_labels, dtype=np.int64)

安裝

1.用conda創建一個新的虛擬環境

conda create -n mmdetection python=3.7
conda activate mmdetection

# 安裝必要模塊
conda install pytorch=1.1.0 torchvision=0.3.0 cudatoolkit=10.0 -c pytorch
pip install cython && pip --no-cache-dir install -r requirements.txt

# 安裝mmdetection
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
# 安裝
python setup.py install
# 編譯
python setup.py develop

2.demo測試安裝是否成功

#如果安裝成功，則該文件可以運行成功。
#coding=utf-8
 
from mmdet.apis import init_detector
from mmdet.apis import inference_detector
from mmdet.apis import show_result
 
# 模型配置文件
config_file = './configs/cascade_rcnn_r50_fpn_1x.py'
 
# 預訓練模型文件
checkpoint_file = '../../checkpoints/cascade_rcnn_r50_fpn_20e_20181123-db483a09.pth'
 
# 通過模型配置文件與預訓練文件構建模型
model = init_detector(config_file, checkpoint_file, device='cuda:0')
 
# 測試單張圖片並進行展示
img = 'demo.jpg'
result = inference_detector(model, img)
show_result(img, result, model.CLASSES)

3.訓練

python tools/train.py configs/.py --gpus 1

知識補充

Soft-NMS

Soft-NMS 改進了之前比較暴力的 NMS，當 IOU 超過某個閾值後，不再直接刪除該框，而是降低它的置信度 (得分)，如果得分低到一個閾值，就會被排除；但是如果降低後仍然較高，就會被保留。

OHEM

OHEM (online hard example mining)，翻譯過來就是在線難例挖掘，就是對所有的 ROI 的損失進行評估，選擇損失較大的來優化網絡，詳情移步：OHEM 論文解讀

損失選擇

針對分類的損失函數可以試試如 GHM-C Loss，針對迴歸的損失函數可以試試如 GHM-R Loss。IOU可以使用 GIou Loss，Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression
。

warmup lr

翻譯一下就是對學習率進行預熱，最開始是在 ResNet 的論文中提到的一種方法，原始是先在前幾個 epoch 或 iter 或目標達到一個水準之前以小於預設值得 lr 進行訓練，然後再恢復 lr 到初始值。後來 Facebook 提出了改良版本，詳情請移步論文： Gradual warmup[5]

公衆號 持續更新

數據領取： 公衆號關鍵字：天池酒瓶
在這裏插入圖片描述

數智重慶.全球產業賦能創新大賽-智能算法賽

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

複雜網絡表示的原理，算法和應用

一、 引言 圖數據在我們的世界中廣泛存在，如社交網絡，知識圖譜，交通網絡等。以知識圖譜爲例，它已經成爲很多智能系統的支柱，如搜索引擎，推薦系統等。知識圖譜中的一個核心問題是圖結構（包括結點和邊）的表示，好的知識表示可以幫助知識圖譜更加完善

阿里技术官方号 2020-06-13 08:32:11

街景字符編碼識別之模型集成

點贊再看，養成習慣！覺得不過癮的童鞋，歡迎關注公衆號《機器學習算法工程師》，有非常多大神的乾貨文章可供學習噢… 目錄前言正文集成學習方法深度學習中的集成學習結果後處理結語參考文獻 前言 模型集成，一般會在比賽後期用到，各種堆特

程序猿一帆 2020-06-08 16:38:44

本科生晉升GM記錄： Kaggle比賽進階技巧分享

Charmve 2020-05-26 23:24:27

【天池比賽】面料剪裁利用率優化

深度学习视觉 2020-05-08 22:01:31

[天池比賽] Multimodalities Recall

MachineLP 2020-05-04 15:23:25

天池-工業預測總結-XGBoost

Daniel李_ 2020-02-23 07:36:28

複雜網絡表示的原理，算法和應用

一、 引言 圖數據在我們的世界中廣泛存在，如社交網絡，知識圖譜，交通網絡等。以知識圖譜爲例，它已經成爲很多智能系統的支柱，如搜索引擎，推薦系統等。知識圖譜中的一個核心問題是圖結構（包括結點和邊）的表示，好的知識表示可以幫助知識圖譜更加完善

阿里技术官方号 2020-06-13 08:32:11

街景字符編碼識別之模型集成

點贊再看，養成習慣！覺得不過癮的童鞋，歡迎關注公衆號《機器學習算法工程師》，有非常多大神的乾貨文章可供學習噢… 目錄前言正文集成學習方法深度學習中的集成學習結果後處理結語參考文獻 前言 模型集成，一般會在比賽後期用到，各種堆特

程序猿一帆 2020-06-08 16:38:44

本科生晉升GM記錄： Kaggle比賽進階技巧分享

Charmve 2020-05-26 23:24:27

【天池比賽】面料剪裁利用率優化

深度学习视觉 2020-05-08 22:01:31

[天池比賽] Multimodalities Recall

MachineLP 2020-05-04 15:23:25

天池-工業預測總結-XGBoost

Daniel李_ 2020-02-23 07:36:28

2018 廣東工業智造大數據創新大賽 - 智能算法賽 - 鋁型材表面瑕疵識別

ForeverStrong 2018-09-13 11:54:18

天池

baidu_41872326 2018-09-05 17:13:26

天池雪浪製造AI挑戰賽（初賽）

qq_22526061 2018-09-03 20:02:29