一个DFF算法的配置文件例子¶
model = dict(
type='DFF', # 视频目标检测器名称
detector=dict( # 详情请参考 https://mmdetection.readthedocs.io/zh_CN/latest/tutorials/config.html#mask-r-cnn
type='FasterRCNN',
backbone=dict(
type='ResNet',
depth=50,
num_stages=4,
out_indices=(3,),
strides=(1, 2, 2, 1),
dilations=(1, 1, 1, 2),
frozen_stages=1,
norm_cfg=dict(type='BN', requires_grad=True),
norm_eval=True,
style='pytorch',
init_cfg=dict(
type='Pretrained', checkpoint='torchvision://resnet50')),
neck=dict(
type='ChannelMapper',
in_channels=[2048],
out_channels=512,
kernel_size=3),
rpn_head=dict(
type='RPNHead',
in_channels=512,
feat_channels=512,
anchor_generator=dict(
type='AnchorGenerator',
scales=[4, 8, 16, 32],
ratios=[0.5, 1.0, 2.0],
strides=[16]),
bbox_coder=dict(
type='DeltaXYWHBBoxCoder',
target_means=[0.0, 0.0, 0.0, 0.0],
target_stds=[1.0, 1.0, 1.0, 1.0]),
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),
loss_bbox=dict(
type='SmoothL1Loss', beta=0.1111111111111111,
loss_weight=1.0)),
roi_head=dict(
type='StandardRoIHead',
bbox_roi_extractor=dict(
type='SingleRoIExtractor',
roi_layer=dict(
type='RoIAlign', output_size=7, sampling_ratio=2),
out_channels=512,
featmap_strides=[16]),
bbox_head=dict(
type='Shared2FCBBoxHead',
in_channels=512,
fc_out_channels=1024,
roi_feat_size=7,
num_classes=30,
bbox_coder=dict(
type='DeltaXYWHBBoxCoder',
target_means=[0.0, 0.0, 0.0, 0.0],
target_stds=[0.2, 0.2, 0.2, 0.2]),
reg_class_agnostic=False,
loss_cls=dict(
type='CrossEntropyLoss',
use_sigmoid=False,
loss_weight=1.0),
loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
loss_weight=1.0))),
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=6000,
nms_post=1000,
max_num=1000,
nms_thr=0.7,
min_bbox_size=0),
rcnn=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='RandomSampler',
num=512,
pos_fraction=0.25,
neg_pos_ub=-1,
add_gt_as_proposals=True),
pos_weight=-1,
debug=False)),
test_cfg=dict(
rpn=dict(
nms_across_levels=False,
nms_pre=6000,
nms_post=300,
max_num=300,
nms_thr=0.7,
min_bbox_size=0),
rcnn=dict(
score_thr=0.0001,
nms=dict(type='nms', iou_threshold=0.5),
max_per_img=100))),
motion=dict(
type='FlowNetSimple', # 运动模型名称
img_scale_factor=0.5, # 对输入运动模型的图像进行下采样/上采样的比例因子
init_cfg=dict(
type='Pretrained',
checkpoint= # noqa: E251
'https://download.openmmlab.com/mmtracking/pretrained_weights/flownet_simple.pth' # noqa: E501
)), # 预训练模型权重
train_cfg=None,
test_cfg=dict(key_frame_interval=10)) # 测试时关键帧间隔
dataset_type = 'ImagenetVIDDataset' # 数据集类型
data_root = 'data/ILSVRC/' # 数据集根目录
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], # 均值
std=[58.395, 57.12, 57.375], # 方差
to_rgb=True) # 图像通道顺序
train_pipeline = [ # 训练流水线
dict(type='LoadMultiImagesFromFile'), # 第一步：从文件路径中载入多张图像
dict(
type='SeqLoadAnnotations', # 第二步：载入图片的标注文件路径
with_bbox=True, # 是否使用边界框
with_track=True), # 是否使用实例标签
dict(type='SeqResize', # 调整图片大小
img_scale=(1000, 600), # 最大的图像尺寸
keep_ratio=True), # 是否保持宽高比
dict(
type='SeqRandomFlip', # 反转图片
share_params=True,
flip_ratio=0.5), # 反转图片的概率
dict(
type='SeqNormalize', # 标准化输入图片
mean=[123.675, 116.28, 103.53], # 与 img_norm_cfg 字段相同
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='SeqPad', # 填充图片
size_divisor=16), # 填充后图像的边长需要被 size_divisor 整除
dict(
type='VideoCollect', # 决定数据中哪些键应该传递给检测器
keys=['img', 'gt_bboxes', 'gt_labels', 'gt_instance_ids']),
dict(type='ConcatVideoReferences'), # 拼接引用图像
dict(type='SeqDefaultFormatBundle', # 使用默认的方式格式化流水线中收集的数据
ref_prefix='ref') # 引用图片中键的前缀
]
test_pipeline = [
dict(type='LoadImageFromFile'), # 第一步：从文件路径中载入图像
dict(
type='MultiScaleFlipAug', # 测试阶段数据增强的封装
img_scale=(1000, 600), # 测试图片的最大尺寸，通常用于调整大小的流水线方法
flip=False, # 测试时，是否反转图像
transforms=[
dict(type='Resize', # 调整图像大小的数据增强方式
keep_ratio=True), # 是否保持高宽比例，这里设置的 img_scale 优先级低于上面的 img_scale
dict(type='RandomFlip'), # 因为 flip=False 所以 RandomFlip 没有用处
dict(
type='Normalize', # 归一化设置, 其数值来自 img_norm_cfg
mean=[123.675, 116.28, 103.53],
std=[58.395, 57.12, 57.375],
to_rgb=True),
dict(type='Pad', size_divisor=16), # 填充图片使其边长能被 size_divisor 整除
dict(type='ImageToTensor', keys=['img']), # 将图片转换成张量
dict(type='VideoCollect', keys=['img']) # 收集流水线中必要的键用于测试
])
]
data = dict(
samples_per_gpu=1, # 每个 GPU 中批量的大小
workers_per_gpu=2, # 为每个 GPU 预取数据的 Worker 的数目
train=[
dict( # 训练集配置
type='ImagenetVIDDataset', # 数据集类型
ann_file='data/ILSVRCannotations/imagenet_vid_train.json', # 标注文件路径
img_prefix='data/ILSVRCData/VID', # 图片路径前缀
ref_img_sampler=dict( # # 采样引用图片的配置
num_ref_imgs=1,
frame_range=9,
filter_key_img=False,
method='uniform'),
pipeline=train_pipeline), # 训练流水线
dict(
type='ImagenetVIDDataset',
load_as_video=False,
ann_file='data/ILSVRCannotations/imagenet_det_30plus1cls.json',
img_prefix='data/ILSVRCData/DET',
ref_img_sampler=dict(
num_ref_imgs=1,
frame_range=0,
filter_key_img=False,
method='uniform'),
pipeline=train_pipeline)
],
val=dict( # 验证集配置
type='ImagenetVIDDataset',
ann_file='data/ILSVRCannotations/imagenet_vid_val.json',
img_prefix='data/ILSVRCData/VID',
ref_img_sampler=None,
pipeline=test_pipeline, # 验证时的流水线
test_mode=True),
test=dict( # 测试集配置
type='ImagenetVIDDataset',
ann_file='data/ILSVRCannotations/imagenet_vid_val.json',
img_prefix='data/ILSVRCData/VID',
ref_img_sampler=None,
pipeline=test_pipeline, # 测试时的流水线
test_mode=True))
optimizer = dict(type='SGD', lr=0.01, momentum=0.9, weight_decay=0.0001) # 优化器配置
optimizer_config = dict(grad_clip=dict(max_norm=35,
norm_type=2)) # 优化器钩子配置， 详情请查看 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/optimizer.py#L8
checkpoint_config = dict(
interval=1) # 模型权重文件配置，详情请查看 https://github.com/open-mmlab/mmcv/blob/master/mmcv/runner/hooks/checkpoint.py
log_config = dict(
interval=50,
hooks=[
dict(type='TextLoggerHook', by_epoch=False),
dict(type='TensorboardLoggerHook', by_epoch=False),
dict(type='WandbLoggerHook', by_epoch=False,
init_kwargs={'entity': "OpenMMLab",
'project': "MMTracking",
'config': cfg_dict}),
])
dist_params = dict(backend='nccl', port='29500') # 分布式训练后端，默认端口号为29500
log_level = 'INFO' # 日志记录级别
load_from = None # 从给定路径加载模型作为预训练模型
resume_from = None # 从给定路径恢复模型权重文件
workflow = [('train', 1)] # 训练器流程。 [('train', 1)] 表示只有一个名为 'train'流程， 该流程将被执行一次
lr_config = dict( # 训练策略
policy='step',
warmup='linear',
warmup_iters=500,
warmup_ratio=0.3333333333333333,
step=[2, 5])
total_epochs = 7 # 训练模型时总共的 epoch 数目
evaluation = dict(metric=['bbox'], interval=7) # 评测钩子配置
work_dir = '../mmtrack_output/tmp' # 模型权重文件和日志保存的路径