物体检测¶

1 简介¶

物体检测模块提供了多种模型用于通用物体检测任务，即检测图片中感兴趣的物体目标区域，目前已经支持的模型有：

FasterRCNN系列
SSD系列
YOLO系列

Benchmark¶

VOC Dataset
- TrainSet: voc07+12 trainval
- TestSet: voc07 test

模型名称	输入图片尺寸	mAP@IOU0.5
faster-rcnn-resnet50	600x1024	0.790
faster-rcnn-resnet50-ohem	600x1024	0.796
faster-rcnn-resnet50-fpn	600x1024	0.798
rfcn-resnet50	600x1024	0.764
ssd-vgg16	300x300	0.777
ssd-vgg16	512x512	0.801
ssd-resnet50	300x300	0.749
ssd-resnet50-fpn	300x300	0.762

COCO 2017
- TrainSet: train 118k
- TestSet: test 5k

模型名称	输入图片尺寸	mAP@IOU0.5
faster-rcnn-resnet50	800x1333	0.34
ssd-mobilenet-v1	512x512	0.21

2 使用示例¶

下面我们以使用VOC数据集，训练faster-rcnn模型为例，介绍如何训练一个检测模型

2.1 数据准备¶

VOC我们已经提供了转换好的tfrecord，下载VOC到 data 文件夹下

ossutil  cp -r  oss://pai-vision-data-hz/data/voc0712_tfrecord/ data/voc0712_tfrecord

下载resnet50预训练模型到pretrained_models文件夹下

ossutil cp -r oss://pai-vision-data-hz/pretrained_models/resnet_v1d_50/ pretrained_models/resnet_v1d_50

2.2 模型训练¶

2.2.1 文件配置形式¶

运行如下python代码即可启动文件配置形式的训练评估流程，样例配置文件参见sample_config，配置文件参数说明参见proto文档。如果你使用了自定义的配置文件，把easy_vision.FASTER_RCNN_SAMPLE_CONFIG 替换为你的配置文件路径即可。

import easy_vision
easy_vision.train_and_evaluate(easy_vision.FASTER_RCNN_SAMPLE_CONFIG)

2.2.2 参数配置训练¶

运行如下python代码即可启动参数配置形式的训练评估流程

import easy_vision
param_config = """
  --model_type FasterRCNN
  --backbone  resnet_v1d_50
  --num_classes 20
  --model_dir experiments/pascal_voc/resnet50_frcnn_model
  --train_data data/voc0712_tfrecord/voc0712_part_*.tfrecord
  --test_data data/voc0712_tfrecord/VOC2007_test.tfrecord
  --num_test_example 2
  --train_batch_size 32
  --test_batch_size 1
  --image_min_sizes 600
  --image_max_sizes 1024
  --lr_type exponential_decay
  --initial_learning_rate 0.001
  --decay_epochs 20
  --staircase true"""
easy_vision.train_and_evaluate_with_param_config(param_config)

param_config 包含若干模型配置参数，格式遵循python argparser格式，各参数具体说明如下，所有字符串均不需要加引号

参数名称	参数描述	参数值格式	默认值
model_type	训练模型类型	字符串，可选范围 SSD FasterRCNN RFCN	无，必选字段
backbone	检测模型使用的backbone	字符串格式，可取值范围： mobilenet_v1 resnet_v1_50 resnet_v1_101 resnet_v1a_18 resnet_v1a_34 resnet_v1d_50 resnet_v1d_101 vgg16_reduce_fc	无，必选参数
weight_decay	l2 regularization的大小	浮点	1e-4
use_fpn	是否使用fpn	布尔型	false
num_classes	检测类别数目	21	无，必选参数
anchor_scales	anchor框的大小，和resize后的输入图片在一个尺度。设置大小时参考输入图片resize后的大小。如果使用普通ssd，该参数不填。如果使用fpn，该参数只填写一个值，表示分辨率最高layer的anchor大小，一共有5个layer，后面每个layer上每个anchor大小为前一layer的2倍，例如 32, 64, 128, 256, 512 如果使用fastr-rcnn、rfcn(不包括fpn)，可任意填写多个anchor大小，例如 128 256 512	浮点列表 eg. 单一尺度 32 多个尺度 128 256 512	ssd 默认为输入大小的[0.1 0.2 0.37 0.54 0.71 0.88 0.96 1.0]倍 ssd fpn 默认为32 faster-rcnn-fpn默认为32 faster-rcnn rfcn默认为 [128 256 512]
anchor_ratios	anchor宽高比	浮点列表	0.5 1 2
image_sizes	输入图片缩放大小(ssd使用)，长度为2的列表，分别是高宽	浮点列表	300 300
image_min_sizes	图片缩放大小最短边(faster-rcnn、rfcn使用) 为了支持multi-scale training，当输入的size有多个时，前n-1个作为训练的配置，最后一个做评估测试的配置。否则，训练评估使用相同配置。	浮点列表	600
image_max_sizes	图片缩放大小最长边(faster-rcnn、rfcn使用) 为了支持multi-scale training，当输入的size有多个时，前n-1个作为训练的配置，最后一个做评估测试的配置。否则，训练评估使用相同配置。	浮点列表	1024

optimizer	优化方法，其中momentum就是sgd	字符串，可选方法如下： momentum adam	momentum
lr_type	学习率调整策略 exponential_decay, 指数衰减，详细参考tf.train.exponential_decay polynomial_decay, 多项式衰减，详细参考tf.train.polynomial_decay，其中num_steps自动设置为总的训练迭代次数，end_learning_rate为initial_learning_rate的千分之一 manual_step，人工指定各阶段的学习率，通过decay_epochs 指定需要调整学习率的迭代轮数，通过learning_rates指定对应迭代轮数使用的学习率 cosine_decay，通过余弦曲线调制学习率变化，最终会降到0。详细参考论文，通过decay_epochs 指定需要调整学习率的迭代轮数	字符串，可选方法如下： exponential_decay polynomial_decay manual_step cosine_decay	exponential_decay
initial_learning_rate	初始学习率	浮点数	0.01
decay_epochs	如果使用exponential_decay, 参数对应 tf.train.exponential_decay中的decay_steps，后端会自动根据训练数据总数把decay_epochs转换为decay_steps。例如数值可填：10，一般是总epoch数的1/2。如果使用manual_step，参数表示需要调整学习率的迭代轮数， "16 18"表示在16epoch 18 epoch对学习率进行调整。一般这两个值取总设置的总epoch的8/10、9/10	整数列表 20 20 40 60	20
decay_factor	tf.train.exponential_decay 中的decay_factor	浮点数	0.95
staircase	tf.train.exponential_decay 中的staircase	布尔	true
power	tf.train.polynomial_decay 中的power	float	0.9
learning_rates	manual_step学习率调整策略中使用的参数，表示在指定epoch 学习率调整为多少. 如果您指定的调整epoch有两个，则需要在此也填写两个对应的学习率。例：decay_epoches为20 40，此处填写0.001 0.0001，则代表在20epoch学习率调整为0.001，40epoch学习率调整为0.0001。建议这几次调整的学习率是初始学习率的1/10、1/100、1/1000......	manual_step学习率调整策略中使用的参数，表示在指定epoch 学习率调整为多少	浮点列表
lr_warmup	是否对学习率做warmup	布尔	false
lr_warm_up_epochs	学习率warmup的轮数	浮点型	1
train_data	训练数据文件oss路径	oss://path/to/train_*.tfrecord	无，必选参数
test_data	训练过程中评估数据oss路径	oss://path/to/test_*.tfrecord	无，必选参数
train_batch_size	训练batch_size	整型，例如32	无，必选参数
test_batch_size	评估batch_size	整型，例如32	无，必选参数
train_num_readers	训练数据并发读取线程数	整型	4
model_dir	训练所用oss目录	oss://path/to/model	无，必选参数
pretrained_model	预训练模型oss路径，如果提供，会在此模型基础上finetune	oss://pai-vision-data-hz/pretrained_models/inception_v4.ckpt	""
use_pretrained_model	是否使用预训练模型	布尔型	true
num_epochs	训练迭代轮数，1表示所有训练数据过了一遍	整型 40	无，必选参数
num_test_example	训练过程中评估数据条目数， -1表示使用所有测试数据集数据	整型，例如2000	可选，默认-1
num_visualizations	评估过程可视化显示的样本数目	整型	10
save_checkpoint_epochs	保存checkpoint的频率，以epoch为单位， 1表示每过一遍训练数据保存一次checkpoint	整型	1
save_summary_epochs	保存summary的频率，以epoch为单位， 0.01 表示每过1%训练数据保存一次summary	浮点	0.01
num_train_images	总的训练样本数，如果使用自己生成的tfrecord需要提供该信息	整型	可选，默认0
label_map_path	类别映射文件，如果使用自己生成的tfrecord需要提供该信息	字符串	可选，默认""