要点：

  • Mask R-CNN 解读

参考资料：vision/references/detection at main · pytorch/vision · GitHub

四 Mask R-CNN 基本信息

4.1 环境配置

  • Python3.6/3.7/3.8
  • Pytorch1.10或以上
  • pycocotools(Linux:pip install pycocotools; Windows:pip install pycocotools-windows(不需要额外安装vs))
  • 最好使用GPU训练
  • 详细环境配置见requirements.txt

4.2 文件结构

├── backbone: 特征提取网络
├── network_files: Mask R-CNN网络
├── train_utils: 训练验证相关模块（包括coco验证相关）
├── my_dataset_coco.py: 自定义dataset用于读取COCO2017数据集
├── my_dataset_voc.py: 自定义dataset用于读取Pascal VOC数据集
├── train.py: 单GPU/CPU训练脚本
├── train_multi_GPU.py: 针对使用多GPU的用户使用
├── predict.py: 简易的预测脚本，使用训练好的权重进行预测
├── validation.py: 利用训练好的权重验证/测试数据的COCO指标，并生成record_mAP.txt文件
└── transforms.py: 数据预处理（随机水平翻转图像以及bboxes、将PIL图像转为Tensor）

4.3 预训练权重下载地址

（下载后放入当前文件夹中）

  • Resnet50 预训练权重 https://download.pytorch.org/models/resnet50-0676ba61.pth (注意，下载预训练权重后要重命名， 比如在train.py中读取的是resnet50.pth文件，不是resnet50-0676ba61.pth)

  • Mask R-CNN(Resnet50+FPN) 预训练权重 https://download.pytorch.org/models/maskrcnn_resnet50_fpn_coco-bf2d0c1e.pth (注意， 载预训练权重后要重命名，比如在train.py中读取的是maskrcnn_resnet50_fpn_coco.pth文件，不是maskrcnn_resnet50_fpn_coco-bf2d0c1e.pth)

4.4 数据集

本例程使用的有COCO2017数据集和Pascal VOC2012数据集。

COCO2017数据集

  • COCO官网地址：COCO – Common Objects in Context

  • 对数据集不了解的可以看我们课程之前讲的COCO数据集介绍

  • 这里以下载coco2017数据集为例，主要下载三个文件：

    • 2017 Train images [118K/18GB]：训练过程中使用到的所有图像文件

    • 2017 Val images [5K/1GB]：验证过程中使用到的所有图像文件

    • 2017 Train/Val annotations [241MB]：对应训练集和验证集的标注json文件

  • 都解压到coco2017文件夹下，可得到如下文件夹结构：

├── coco2017: 数据集根目录
├── train2017: 所有训练图像文件夹(118287张)
├── val2017: 所有验证图像文件夹(5000张)
└── annotations: 对应标注文件夹
├── instances_train2017.json: 对应目标检测、分割任务的训练集标注文件
├── instances_val2017.json: 对应目标检测、分割任务的验证集标注文件
├── captions_train2017.json: 对应图像描述的训练集标注文件
├── captions_val2017.json: 对应图像描述的验证集标注文件
├── person_keypoints_train2017.json: 对应人体关键点检测的训练集标注文件
└── person_keypoints_val2017.json: 对应人体关键点检测的验证集标注文件夹

Pascal VOC2012数据集

  • 数据集下载地址： The PASCAL Visual Object Classes Challenge 2012 (VOC2012)

  • 对数据集不了解的可以看我们课程之前讲的Pascal VOC2012数据集介绍.

  • 解压后得到的文件夹结构如下：

VOCdevkit
└── VOC2012
├── Annotations 所有的图像标注信息(XML文件)
├── ImageSets
│ ├── Action 人的行为动作图像信息
│ ├── Layout 人的各个部位图像信息
│ │
│ ├── Main 目标检测分类图像信息
│ │ ├── train.txt 训练集(5717)
│ │ ├── val.txt 验证集(5823)
│ │ └── trainval.txt 训练集+验证集(11540)
│ │
│ └── Segmentation 目标分割图像信息
│ ├── train.txt 训练集(1464)
│ ├── val.txt 验证集(1449)
│ └── trainval.txt 训练集+验证集(2913)
│
├── JPEGImages 所有图像文件
├── SegmentationClass 语义分割png图（基于类别）
└── SegmentationObject 实例分割png图（基于目标）

4.5 训练方法

  • 确保提前准备好数据集
  • 确保提前下载好对应预训练模型权重
  • 确保设置好 --num-classes 和 --data-path
  • 若要使用单GPU训练直接使用 train.py 训练脚本
  • 若要使用多GPU训练，使用torchrun --nproc_per_node=8 train_multi_GPU.py指令, nproc_per_node参数为使用GPU数量
  • 如果想指定使用哪些GPU设备可在指令前加上CUDA_VISIBLE_DEVICES=0,3(例如我只要使用设备中的第1块和第4块GPU设备)
  • CUDA_VISIBLE_DEVICES=0,3 torchrun --nproc_per_node=2 train_multi_GPU.py

4.6 注意事项

  1. 在使用训练脚本时，注意要将 --data-path 设置为自己存放数据集的根目录：

# 假设要使用COCO数据集，启用自定义数据集读取CocoDetection并将数据集解压到成/data/coco2017目录下python train.py --data-path /data/coco2017​# 假设要使用Pascal VOC数据集，启用自定义数据集读取VOCInstances并数据集解压到成/data/VOCdevkit目录下python train.py --data-path /data/VOCdevkit

  1. 如果倍增 batch_size，建议 学习率也跟着倍增。假设将batch_size从4设置成8，那么学习率lr从0.004设置成0.008

  2. 如果使用 Batch Normalization 模块时，batch_size不能小于4，否则效果会变差。如果显存不够，batch_size必须小于4时，建议在创建resnet50_fpn_backbone时， 将norm_layer设置成FrozenBatchNorm2d或将trainable_layers设置成0(即冻结整个backbone)

  3. 训练过程中保存的 det_results.txt (目标检测任务)以及seg_results.txt(实例分割任务)是每个epoch在验证集上的COCO指标，前12个值是COCO指标，后面两个值是训练平均损失以及学习率

  4. 在使用预测脚本时，要将 weights_path 设置为你自己生成的权重路径。

  5. 使用 validation 文件时，注意确保你的验证集或者测试集中必须包含每个类别的目标，并且使用时需要修改--num-classes、--data-path、--weights-path以及 --label-json-path（该参数是根据训练的数据集设置的）。其他代码尽量不要改动

4.7 Mask R-CNN 图解

4.8 MASK 分支

4.9 Mask R-CNN 损失