Skip to content

Latest commit

 

History

History
219 lines (133 loc) · 13.5 KB

mainbody_detection.md

File metadata and controls

219 lines (133 loc) · 13.5 KB
Raw

主体检测

主体检测技术是目前应用非常广泛的一种检测技术，它指的是检测出图片中一个或者多个主体的坐标位置，然后将图像中的对应区域裁剪下来，进行识别，从而完成整个识别过程。主体检测是识别任务的前序步骤，可以有效提升识别精度。

本部分主要从数据集、模型选择和模型训练 3 个方面对该部分内容进行介绍。

1. 数据集

在 PaddleClas 的识别任务中，训练主体检测模型时主要用到了以下几个数据集。

数据集 数据量 主体检测任务中使用的数据量 场景 数据集地址
Objects365 170W 6k 通用场景 地址
COCO2017 12W 5k 通用场景 地址
iCartoonFace 2k 2k 动漫人脸检测 地址
LogoDet-3k 3k 2k Logo检测 地址
RPC 3k 3k 商品检测 地址

在实际训练的过程中，将所有数据集混合在一起。由于是主体检测，这里将所有标注出的检测框对应的类别都修改为 前景 的类别，最终融合的数据集中只包含 1 个类别，即前景。

2. 模型选择

目标检测方法种类繁多，比较常用的有两阶段检测器（如FasterRCNN系列等）；单阶段检测器（如YOLO、SSD等）；anchor-free检测器（如PicoDet、FCOS等）。PaddleDetection中针对服务端使用场景，自研了 PP-YOLO 系列模型；针对端侧（CPU和移动端等）使用场景，自研了 PicoDet 系列模型，在服务端和端侧均处于业界较为领先的水平。

基于上述研究，PaddleClas 中提供了 2 个通用主体检测模型，为轻量级与服务端主体检测模型，分别适用于端侧场景以及服务端场景。下面的表格中给出了在上述 5 个数据集上的平均 mAP 以及它们的模型大小、预测速度对比信息。

模型 模型结构 预训练模型下载地址 inference模型下载地址 mAP inference模型大小(MB) 单张图片预测耗时(不包含预处理)(ms)
轻量级主体检测模型 PicoDet 地址 tar 格式文件地址 zip 格式文件地址 40.1% 30.1 29.8
服务端主体检测模型 PP-YOLOv2 地址 tar 格式文件地址 zip 格式文件地址 42.5% 210.5 466.6
  • 注意
    • 由于部分解压缩软件在解压上述 tar 格式文件时存在问题，建议非命令行用户下载 zip 格式文件并解压。tar 格式文件建议使用命令 tar xf xxx.tar 解压。
    • 速度评测机器的CPU具体信息为：Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz，速度指标为开启 mkldnn ，线程数设置为 10 测试得到。
    • 主体检测的预处理过程较为耗时，平均每张图在上述机器上的时间在 40~55 ms 左右，没有包含在上述的预测耗时统计中。

2.1 轻量级主体检测模型

PicoDet 由 PaddleDetection 提出，是一个适用于CPU或者移动端场景的目标检测算法。具体地，它融合了下面一系列优化算法。

更多关于 PicoDet 的优化细节与 benchmark 可以参考 PicoDet 系列模型介绍。

在轻量级主体检测任务中，为了更好地兼顾检测速度与效果，我们使用 PPLCNet_x2_5 作为主体检测模型的骨干网络，同时将训练与预测的图像尺度修改为了 640x640，其余配置与 picodet_lcnet_1_5x_416_coco.yml完全一致。将数据集更换为自定义的主体检测数据集，进行训练，最终得到检测模型。

2.2 服务端主体检测模型

PP-YOLO 由 PaddleDetection 提出，从骨干网络、数据增广、正则化策略、损失函数、后处理等多个角度对 yolov3 模型进行深度优化，最终在"速度-精度"方面达到了业界领先的水平。具体地，优化的策略如下。

更多关于 PP-YOLO 的详细介绍可以参考：PP-YOLO 模型。

在服务端主体检测任务中，为了保证检测效果，我们使用 ResNet50vd-DCN 作为检测模型的骨干网络，使用配置文件 ppyolov2_r50vd_dcn_365e_coco.yml ，更换为自定义的主体检测数据集，进行训练，最终得到检测模型。

3. 模型训练

本节主要介绍怎样基于PaddleDetection，基于自己的数据集，训练主体检测模型。

3.1 环境准备

下载PaddleDetection代码，安装requirements。

cd <path/to/clone/PaddleDetection>
git clone https://github.com/PaddlePaddle/PaddleDetection.git

cd PaddleDetection
# 安装其他依赖
pip install -r requirements.txt

更多安装教程，请参考: 安装文档

3.2 数据准备

对于自定义数据集，首先需要将自己的数据集修改为COCO格式，可以参考自定义检测数据集教程制作COCO格式的数据集。

主体检测任务中，所有的检测框均属于前景，在这里需要将标注文件中，检测框的category_id修改为1，同时将整个标注文件中的categories映射表修改为下面的格式，即整个类别映射表中只包含前景类别。

[{u'id': 1, u'name': u'foreground', u'supercategory': u'foreground'}]

3.3 配置文件改动和说明

我们使用 configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml 配置进行训练，配置文件摘要如下：

从上图看到 ppyolov2_r50vd_dcn_365e_coco.yml 配置需要依赖其他的配置文件，这些配置文件的含义如下:

coco_detection.yml：主要说明了训练数据和验证数据的路径

runtime.yml：主要说明了公共的运行参数，比如是否使用GPU、每多少个epoch存储checkpoint等

optimizer_365e.yml：主要说明了学习率和优化器的配置

ppyolov2_r50vd_dcn.yml：主要说明模型和主干网络的情况

ppyolov2_reader.yml：主要说明数据读取器配置，如 batch size，并发加载子进程数等，同时包含读取后预处理操作，如resize、数据增强等等

在主体检测任务中，需要将 datasets/coco_detection.yml 中的 num_classes 参数修改为 1 （只有 1 个前景类别），同时将训练集和测试集的路径修改为自定义数据集的路径。

此外，也可以根据实际情况，修改上述文件，比如，如果显存溢出，可以将 batch size 和学习率等比缩小等。

3.4 启动训练

PaddleDetection 提供了单卡/多卡训练模式，满足用户多种训练需求。

  • GPU 单卡训练
# windows和Mac下不需要执行该命令
export CUDA_VISIBLE_DEVICES=0
python tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml
  • GPU多卡训练
export CUDA_VISIBLE_DEVICES=0,1,2,3
python -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --eval

--eval：表示边训练边验证。

  • (推荐)模型微调 如果希望加载 PaddleClas 中已经训练好的主体检测模型，在自己的数据集上进行模型微调，可以使用下面的命令进行训练。
export CUDA_VISIBLE_DEVICES=0
# 指定pretrain_weights参数，加载通用的主体检测预训练模型
python tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml -o pretrain_weights=https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/pretrain/ppyolov2_r50vd_dcn_mainbody_v1.0_pretrained.pdparams
  • 模型恢复训练

在日常训练过程中，有的用户由于一些原因导致训练中断，可以使用 -r 的命令恢复训练:

export CUDA_VISIBLE_DEVICES=0,1,2,3
python -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --eval -r output/ppyolov2_r50vd_dcn_365e_coco/10000

注意：如果遇到 "Out of memory error" 问题, 尝试在 ppyolov2_reader.yml 文件中调小batch_size，同时等比例调小学习率。

3.5 模型预测与调试

使用下面的命令完成 PaddleDetection 的预测过程。

export CUDA_VISIBLE_DEVICES=0
python tools/infer.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --infer_img=your_image_path.jpg --output_dir=infer_output/ --draw_threshold=0.5 -o weights=output/ppyolov2_r50vd_dcn_365e_coco/model_final

--draw_threshold 是个可选参数. 根据 NMS 的计算，不同阈值会产生不同的结果 keep_top_k 表示设置输出目标的最大数量，默认值为 100 ，用户可以根据自己的实际情况进行设定。

3.6 模型导出与预测部署。

执行导出模型脚本：

python tools/export_model.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --output_dir=./inference -o weights=output/ppyolov2_r50vd_dcn_365e_coco/model_final.pdparams

预测模型会导出到 inference/ppyolov2_r50vd_dcn_365e_coco 目录下，分别为 infer_cfg.yml (预测不需要), model.pdiparams, model.pdiparams.info, model.pdmodel 。

注意： PaddleDetection 导出的inference模型的文件格式为 model.xxx，这里如果希望与PaddleClas的inference模型文件格式保持一致，需要将其 model.xxx 文件修改为 inference.xxx 文件，用于后续主体检测的预测部署。

更多模型导出教程，请参考： EXPORT_MODEL

最终，目录 inference/ppyolov2_r50vd_dcn_365e_coco 中包含 inference.pdiparams, inference.pdiparams.info 以及 inference.pdmodel 文件，其中 inference.pdiparams 为保存的 inference 模型权重文件， inference.pdmodel 为保存的 inference 模型结构文件。

导出模型之后，在主体检测与识别任务中，就可以将检测模型的路径更改为该 inference 模型路径，完成预测。

以商品识别为例，其配置文件为 inference_product.yaml ，修改其中的 Global.det_inference_model_dir 字段为导出的主体检测 inference 模型目录，参考图像识别快速开始教程 ，即可完成商品检测与识别过程。

FAQ

Q：可以使用其他的主体检测模型结构吗？

  • A：可以的，但是目前的检测预处理过程仅适配了 PicoDet 以及 YOLO 系列的预处理，因此在使用的时候，建议优先使用这两个系列的模型进行训练，如果希望使用 Faster RCNN 等其他系列的模型，需要按照 PaddleDetection 的数据预处理，修改下预处理逻辑，这块如果您有需求或者有问题的话，欢迎提 issue 或者在微信群里反馈。

Q：可以修改主体检测的预测尺度吗？

  • A：可以的，但是需要注意 2 个地方
    • PaddleClas 中提供的主体检测模型是基于 640x640 的分辨率去训练的，因此预测的时候也是默认使用 640x640 的分辨率进行预测，使用其他分辨率预测的话，精度会有所降低。
    • 在模型导出的时候，建议也修改下模型导出的分辨率，保持模型导出、模型预测的分辨率一致。