Todo el proceso de entrenamiento y prueba del marco MMDetection

prefacio

• MMDetectionEs una caja de herramientas de detección de objetos, que contiene una gran cantidad de detección de objetos, segmentación de instancias, algoritmos de segmentación panorámica y componentes y módulos relacionados, dirección de proyecto github .
• Modelos de detección de objetos ( ) admitidos Object Detection(algunos modelos SOTA en los últimos años): DAB-DETR, RTMDet, GLIP, Detic, DINO
• Modelos de segmentación de instancias compatibles Instance Segmentation(algunos modelos SOTA en los últimos años): Mask2former, BoxInst, SparseInst, RTMDet
• Modelos de segmentación panóptica compatibles ( Panoptic Segmentation): Panoptic FPN, MaskFormer, Mask2Former
• La diferencia entre la segmentación de instancias y la segmentación panorámica: la segmentación panorámica proporciona categorías semánticas a nivel de píxel e identificadores de instancias, mientras que la segmentación de instancias solo se enfoca en los límites y la segmentación de instancias de objetos. La segmentación panorámica proporciona información más completa y es adecuada para tareas que requieren un análisis detallado de cada píxel, como la conducción autónoma. La segmentación de instancias se centra más en la detección y segmentación de instancias de objetos, y es adecuada para tareas como la detección de objetos y la segmentación de imágenes.
• Este artículo presenta principalmente MMDetectionel proceso de capacitación y prueba, Dog and Cat Detectionajustó RTMDetel modelo en el conjunto de datos, analizó RTMDetel modelo y el índice final del modelo bbox_mAPalcanzó 0.952.

Configuración del entorno

• El código completo de configuración del entorno es el siguiente, si no desea ver el análisis paso a paso, puede omitir el resto de esta sección:

import IPython.display as display

!pip install openmim
!mim install mmengine==0.7.2
# 构建wheel，需要30分钟，构建好以后将whl文件放入单独的文件夹
# !git clone https://github.com/open-mmlab/mmcv.git
# !cd mmcv && CUDA_HOME=/usr/local/cuda-11.8 MMCV_WITH_OPS=1 pip wheel --wheel-dir=/kaggle/working .
!pip install -q /kaggle/input/frozen-packages-mmdetection/mmcv-2.0.1-cp310-cp310-linux_x86_64.whl

!rm -rf mmdetection
!git clone https://github.com/open-mmlab/mmdetection.git
!git clone https://github.com/open-mmlab/mmyolo.git
%cd mmdetection

%pip install -e .

!pip install wandb
display.clear_output()

• Primero instale open-mmlabla biblioteca de administración de paquetes openmimy luego instale mmenginela biblioteca, el código es el siguiente:

!pip install openmim
!mim install mmengine==0.7.2

• Como kaggleno se puede miminstalar directamente mmcv(los entrenamientos posteriores reportarán un error), solo podemos wheelinstalarlo construyendo, el código es el siguiente:

!git clone https://github.com/open-mmlab/mmcv.git
!cd mmcv && CUDA_HOME=/usr/local/cuda-11.8 MMCV_WITH_OPS=1 pip wheel --wheel-dir=/kaggle/working .

• El paso anterior debe esperar unos 30 minutos, y luego encontrará /kaggle/workingel mmcv-2.0.1-cp310-cp310-linux_x86_64.whlarchivo en el directorio, pip install -q /kaggle/working/mmcv-2.0.1-cp310-cp310-linux_x86_64.whlsolo use la instalación. Pero para ahorrar tiempo y evitar la necesidad de esperar mucho tiempo para cada ejecución, descargaré wheely cargaré la compilación kaggle Datasetspara que pueda instalarse solo cargando el conjunto de datos cada vez, y la dirección de datos se proporciona aquí . Entonces el código de instalación se convierte en:

!pip install -q /kaggle/input/frozen-packages-mmdetection/mmcv-2.0.1-cp310-cp310-linux_x86_64.whl

• Instalado a través git clonedel método mmdetection, debido a que el conjunto de datos es .xmlun sufijo, necesitamos usar mmyolola herramienta para convertir el formato más tarde, así que descárguelo juntos, pero no lo instale mmyolo.

!rm -rf mmdetection
!git clone https://github.com/open-mmlab/mmdetection.git
!git clone https://github.com/open-mmlab/mmyolo.git

# 进入mmdetection项目文件夹
%cd mmdetection

# 安装mmdetection
%pip install -e .

• Si hay problemas de instalación de pycocotools durante el proceso de instalación, puede consultar mi artículo anterior MMYOLO framework etiquetado, capacitación y prueba de todo el proceso (suplemento) , que contiene soluciones detalladas.
• Debido a que se deben visualizar varios indicadores durante el proceso de capacitación, instale wandbel paquete e inicie sesión.

!pip install wandb

import wandb
wandb.login()

modelo de razonamiento

• Primero creamos una carpeta checkpointspara almacenar los pesos preentrenados del modelo. Porque elegimos RTMDetel modelo, descarga los pesos correspondientes.
• Podemos abrir mmdetectionla dirección del proyecto github, ingresar configs/rtmdetla ruta y README.mdhay pesos de preentrenamiento detallados en el archivo.
  
• ParamsSe puede observar que cuantos más parámetros del modelo ( ), box APmayor índice de precisión ( ), elegimos un modelo con una cantidad moderada de parámetros RTMDet-l, y el configsnombre del archivo correspondiente es rtmdet_l_8xb32-300e_coco.py. Significa modelo RTMDet-l, sobre 8 GPUs batch sizede 32 cada una, entrenadas con 300 pesos cocosobre el dataset . epochsDescargar y guardar en checkpointscarpeta

!mkdir ./checkpoints
!mim download mmdet --config rtmdet_l_8xb32-300e_coco --dest ./checkpoints

• Usar el modelo para razonar y visualizar los resultados del razonamiento

from mmdet.apis import DetInferencer

model_name = 'rtmdet_l_8xb32-300e_coco'
checkpoint = './checkpoints/rtmdet_l_8xb32-300e_coco_20220719_112030-5a0be7c4.pth'

device = 'cuda:0'

inferencer = DetInferencer(model_name, checkpoint, device)

img = './demo/demo.jpg'

result = inferencer(img, out_dir='./output')
display.clear_output()

from PIL import Image
Image.open('./output/vis/demo.jpg')

• Si no hay problemas hasta aquí, significa que la configuración del entorno es muy exitosa y el modelo RTMDet hace una inferencia.

recopilación de datos

• Dog and Cat DetectionInformación de la organización del archivo del conjunto de datos :

 - Dog-and-Cat-Detection
     - annotations
         - Cats_Test0.xml
         - Cats_Test1.xml
         - Cats_Test2.xml
         - ...
     - images
         - Cats_Test0.png
         - Cats_Test1.png
         - Cats_Test2.png
         - ...

• Dado que el conjunto de datos debajo de la ruta es de solo lectura, no se permite cambiarlo, y el archivo marcado está en un kaggleformato que debe convertirse. Aquí, primero copie la imagen en el directorioinput.xml./data/images

import shutil

# 复制文件到工作目录
shutil.copytree('/kaggle/input/dog-and-cat-detection/images', './data/images')

• Dado que la segmentación posterior del conjunto de datos requiere información de etiquetado como .jsonformato, convertimos los archivos dog-and-cat-detection/annotationsde la carpeta .xmlen un solo .jsonarchivo.

import xml.etree.ElementTree as ET
import os
import json

coco = dict()
coco['images'] = []
coco['type'] = 'instances'
coco['annotations'] = []
coco['categories'] = []

category_set = dict()
image_set = set()

category_item_id = -1
image_id = 0
annotation_id = 0


def addCatItem(name):
    global category_item_id
    category_item = dict()
    category_item['supercategory'] = 'none'
    category_item_id += 1
    category_item['id'] = category_item_id
    category_item['name'] = name
    coco['categories'].append(category_item)
    category_set[name] = category_item_id
    return category_item_id


def addImgItem(file_name, size):
    global image_id
    if file_name is None:
        raise Exception('Could not find filename tag in xml file.')
    if size['width'] is None:
        raise Exception('Could not find width tag in xml file.')
    if size['height'] is None:
        raise Exception('Could not find height tag in xml file.')
    image_id += 1
    image_item = dict()
    image_item['id'] = image_id
    image_item['file_name'] = file_name + ".png"
    image_item['width'] = size['width']
    image_item['height'] = size['height']
    coco['images'].append(image_item)
    image_set.add(file_name)
    return image_id


def addAnnoItem(object_name, image_id, category_id, bbox):
    global annotation_id
    annotation_item = dict()
    annotation_item['segmentation'] = []
    seg = []
    seg.append(bbox[0])
    seg.append(bbox[1])
    seg.append(bbox[0])
    seg.append(bbox[1] + bbox[3])
    seg.append(bbox[0] + bbox[2])
    seg.append(bbox[1] + bbox[3])
    seg.append(bbox[0] + bbox[2])
    seg.append(bbox[1])

    annotation_item['segmentation'].append(seg)

    annotation_item['area'] = bbox[2] * bbox[3]
    annotation_item['iscrowd'] = 0
    annotation_item['ignore'] = 0
    annotation_item['image_id'] = image_id
    annotation_item['bbox'] = bbox
    annotation_item['category_id'] = category_id
    annotation_id += 1
    annotation_item['id'] = annotation_id
    coco['annotations'].append(annotation_item)


def parseXmlFiles(xml_path):
    for f in os.listdir(xml_path):
        if not f.endswith('.xml'):
            continue
        xmlname = f.split('.xml')[0]

        bndbox = dict()
        size = dict()
        current_image_id = None
        current_category_id = None
        file_name = None
        size['width'] = None
        size['height'] = None
        size['depth'] = None

        xml_file = os.path.join(xml_path, f)

        tree = ET.parse(xml_file)
        root = tree.getroot()
        if root.tag != 'annotation':
            raise Exception('pascal voc xml root element should be annotation, rather than {}'.format(root.tag))

        for elem in root:
            current_parent = elem.tag
            current_sub = None
            object_name = None

            if elem.tag == 'folder':
                continue

            if elem.tag == 'filename':
                file_name = xmlname
                if file_name in category_set:
                    raise Exception('file_name duplicated')

            elif current_image_id is None and file_name is not None and size['width'] is not None:
                if file_name not in image_set:
                    current_image_id = addImgItem(file_name, size)
                else:

                    raise Exception('duplicated image: {}'.format(file_name))

            for subelem in elem:
                bndbox['xmin'] = None
                bndbox['xmax'] = None
                bndbox['ymin'] = None
                bndbox['ymax'] = None

                current_sub = subelem.tag
                if current_parent == 'object' and subelem.tag == 'name':
                    object_name = subelem.text
                    if object_name not in category_set:
                        current_category_id = addCatItem(object_name)
                    else:
                        current_category_id = category_set[object_name]

                elif current_parent == 'size':
                    if size[subelem.tag] is not None:
                        raise Exception('xml structure broken at size tag.')
                    size[subelem.tag] = int(subelem.text)

                for option in subelem:
                    if current_sub == 'bndbox':
                        if bndbox[option.tag] is not None:
                            raise Exception('xml structure corrupted at bndbox tag.')
                        bndbox[option.tag] = int(float(option.text))

                if bndbox['xmin'] is not None:
                    if object_name is None:
                        raise Exception('xml structure broken at bndbox tag')
                    if current_image_id is None:
                        raise Exception('xml structure broken at bndbox tag')
                    if current_category_id is None:
                        raise Exception('xml structure broken at bndbox tag')
                    bbox = []
                    bbox.append(bndbox['xmin'])
                    bbox.append(bndbox['ymin'])
                    bbox.append(bndbox['xmax'] - bndbox['xmin'])
                    bbox.append(bndbox['ymax'] - bndbox['ymin'])
                    addAnnoItem(object_name, current_image_id, current_category_id, bbox)

os.makedirs('./data/annotations')
xml_path = '/kaggle/input/dog-and-cat-detection/annotations'
json_file = './data/annotations/annotations_all.json'
parseXmlFiles(xml_path)
json.dump(coco, open(json_file, 'w'))

• Información de la organización del archivo de almacenamiento de datos del directorio de trabajo actual:

 - mmdetection
    - data
         - annotations
             - annotations_all.json
         - images
             - Cats_Test0.png
             - Cats_Test1.png
             - Cats_Test2.png
             - ....
     - ...

• Dado que necesitamos usar mmyoloun script en el archivo del proyecto para dividir los datos en conjuntos de entrenamiento y prueba, primero ingrese mmyoloa la carpeta del proyecto

# 切换到mmyolo项目文件夹
%cd /kaggle/working/mmyolo

• El archivo de secuencia de comandos de segmentación se encuentra tools/misc/coco_split.pyy los parámetros de arriba a abajo son: --json ( .jsonruta del archivo generado); --out-dir ( .jsonruta de la carpeta de almacenamiento del archivo de segmentación generado); --ratios 0.8 0.2 (conjunto de entrenamiento, conjunto de prueba proporción); –shuffle (si barajar el orden); –seed (semilla de número aleatorio)

# 切分训练、测试集
!python tools/misc/coco_split.py --json /kaggle/working/mmdetection/data/annotations/annotations_all.json \
                                --out-dir /kaggle/working/mmdetection/data/annotations \
                                --ratios 0.8 0.2 \
                                --shuffle \
                                --seed 2023

• producción:

Split info: ====== 
Train ratio = 0.8, number = 2949
Val ratio = 0, number = 0
Test ratio = 0.2, number = 737
Set the global seed: 2023
shuffle dataset.
Saving json to /kaggle/working/mmdetection/data/annotations/trainval.json
Saving json to /kaggle/working/mmdetection/data/annotations/test.json
All done!

• A continuación, vuelva a mmdetectionla carpeta del proyecto:

%cd /kaggle/working/mmdetection

• En este momento, la información de organización del archivo de almacenamiento de datos del directorio de trabajo:

 - mmdetection
    - data
         - annotations
             - test.json
             - trainval.json
             - annotations_all.json
         - images
             - Cats_Test0.png
             - Cats_Test1.png
             - Cats_Test2.png
             - ....
     - ...

Editar la configuración del modelo RTMDet

• RTMDetEl diagrama de arquitectura del modelo se puede encontrar en la documentación de la carpeta de parámetros correspondiente README.md.
  

• Puede githubabrir configs/rtmdet/rtmdet_l_8xb32-300e_coco.pyel archivo de configuración en (observe el valor _base_, si hay una relación de herencia, puede buscar hasta encontrar el archivo principal), donde el RTMDet-lmodelo modelo ya es el archivo principal y se puede ver directamente.

• Las cosas principales que queremos cambiar son _base_(archivos superiores heredados), data_root(carpeta de almacenamiento de datos), train_batch_size_per_gpu(por GPUentrenamiento batch size), train_num_workers(número de trabajos principales, generalmente n GPU x 4), ( número max_epochsmáximo ), (tasa de aprendizaje básica), (tipo de información y el correspondiente a cada categoría), (información de etiquetado de ruta de imagen y conjunto de entrenamiento), (información de etiquetado de ruta de imagen y conjunto de validación), (información de etiquetado de conjunto de validación), (número de redes troncales congeladas , número de categorías), (decaimiento de la tasa de aprendizaje tendencia), (asignación de tasa de aprendizaje), (estrategia de conservación del peso del modelo), ( cambio de tubería de datos), ( ruta de carga de peso previa al entrenamiento), (medición de asignación y verificación), (semilla de número aleatorio fijo), (seleccionar plataforma de visualización)epochbase_lrmetainfotrain_dataloaderval_dataloaderval_evaluatormodelstagesparam_scheduleroptim_wrapperdefault_hookscustom_hooksload_fromtrain_cfgmax_epochsrandomnessvisualizer

• Lo más importante en el archivo de configuración son metainfolos parámetros y modelparámetros. Asegúrese de verificar si la cantidad de categorías es correcta y la cantidad de paletas es consistente. Nota: incluso si solo hay 1 categoría, metainfodebe escribirse como'classes': ('cat', ),Debe haber comas entre paréntesis., de lo contrario se informará de un error. modeltambién bbox_headdebe ser consistente con el número de especies.

• La escala de la tasa de aprendizaje generalmente sigue una regla general: base_lr_default * (your_bs / default_bs). Del diagrama de estructura anterior, podemos ver RTMDetque hay 4 modelos stages, y modella configuración dict(backbone=dict(frozen_stages=4), bbox_head=dict(num_classes=2))indica que 4 modelos están congelados stages, es decir, la red troncal está completamente congelada.

config_animals = """
# Inherit and overwrite part of the config based on this config
_base_ = './rtmdet_l_8xb32-300e_coco.py'

data_root = './data/' # dataset root

train_batch_size_per_gpu = 24
train_num_workers = 4

max_epochs = 50
stage2_num_epochs = 6
base_lr = 0.000375


metainfo = {
    'classes': ('cat', 'dog', ),
    'palette': [
        (252, 215, 99), (153, 197, 252), 
    ]
}

train_dataloader = dict(
    batch_size=train_batch_size_per_gpu,
    num_workers=train_num_workers,
    dataset=dict(
        data_root=data_root,
        metainfo=metainfo,
        data_prefix=dict(img='images/'),
        ann_file='annotations/trainval.json'))

val_dataloader = dict(
    batch_size=train_batch_size_per_gpu,
    num_workers=train_num_workers,
    dataset=dict(
        data_root=data_root,
        metainfo=metainfo,
        data_prefix=dict(img='images/'),
        ann_file='annotations/trainval.json'))

test_dataloader = val_dataloader

val_evaluator = dict(ann_file=data_root + 'annotations/trainval.json')

test_evaluator = val_evaluator

model = dict(backbone=dict(frozen_stages=4), bbox_head=dict(num_classes=2))

# learning rate
param_scheduler = [
    dict(
        type='LinearLR',
        start_factor=1.0e-5,
        by_epoch=False,
        begin=0,
        end=1000),
    dict(
        # use cosine lr from 10 to 20 epoch
        type='CosineAnnealingLR',
        eta_min=base_lr * 0.05,
        begin=max_epochs // 2,
        end=max_epochs,
        T_max=max_epochs // 2,
        by_epoch=True,
        convert_to_iter_based=True),
]

train_pipeline_stage2 = [
    dict(type='LoadImageFromFile', backend_args=None),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(
        type='RandomResize',
        scale=(640, 640),
        ratio_range=(0.1, 2.0),
        keep_ratio=True),
    dict(type='RandomCrop', crop_size=(640, 640)),
    dict(type='YOLOXHSVRandomAug'),
    dict(type='RandomFlip', prob=0.5),
    dict(type='Pad', size=(640, 640), pad_val=dict(img=(114, 114, 114))),
    dict(type='PackDetInputs')
]

# optimizer
optim_wrapper = dict(
    _delete_=True,
    type='OptimWrapper',
    optimizer=dict(type='AdamW', lr=base_lr, weight_decay=0.05),
    paramwise_cfg=dict(
        norm_decay_mult=0, bias_decay_mult=0, bypass_duplicate=True))

default_hooks = dict(
    checkpoint=dict(
        interval=5,
        max_keep_ckpts=2,  # only keep latest 2 checkpoints
        save_best='auto'
    ),
    logger=dict(type='LoggerHook', interval=20))

custom_hooks = [
    dict(
        type='PipelineSwitchHook',
        switch_epoch=max_epochs - stage2_num_epochs,
        switch_pipeline=train_pipeline_stage2)
]

# load COCO pre-trained weight
load_from = './checkpoints/rtmdet_l_8xb32-300e_coco_20220719_112030-5a0be7c4.pth'

train_cfg = dict(type='EpochBasedTrainLoop', max_epochs=max_epochs, val_begin=20, val_interval=1)
randomness = dict(seed=2023, deterministic=True, diff_rank_seed=False)
visualizer = dict(vis_backends=[dict(type='LocalVisBackend'), dict(type='WandbVisBackend')])
"""

with open('./configs/rtmdet/rtmdet_l_1xb4-100e_animals.py', 'w') as f:
    f.write(config_animals)

entrenamiento modelo

• Después de hacer el trabajo anterior, puede comenzar el entrenamiento del modelo.

!python tools/train.py configs/rtmdet/rtmdet_l_1xb4-100e_animals.py

• modelo epoch = 50-precisión de tiempo

 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.952
 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 1.000
 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.995
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.800
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.919
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.959
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.964
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.965
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.965
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.800
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.939
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.970
07/10 07:35:26 - mmengine - INFO - bbox_mAP_copypaste: 0.952 1.000 0.995 0.800 0.919 0.959
07/10 07:35:27 - mmengine - INFO - Epoch(val) [50][123/123]    coco/bbox_mAP: 0.9520  coco/bbox_mAP_50: 1.0000  coco/bbox_mAP_75: 0.9950  coco/bbox_mAP_s: 0.8000  coco/bbox_mAP_m: 0.9190  coco/bbox_mAP_l: 0.9590  data_time: 0.0532  time: 0.8068

• Podemos abrir wandbla plataforma, rastrear la precisión del entrenamiento y visualizar varios indicadores
  
  

modelo de razonamiento

• Después de afinar el modelo, podemos razonar sobre la imagen

from mmdet.apis import DetInferencer
import glob

config = 'configs/rtmdet/rtmdet_l_1xb4-100e_animals.py'
checkpoint = glob.glob('./work_dirs/rtmdet_l_1xb4-100e_animals/best_coco*.pth')[0]

device = 'cuda:0'

inferencer = DetInferencer(config, checkpoint, device)

img = './data/images/Cats_Test1011.png'
result = inferencer(img, out_dir='./output', pred_score_thr=0.6)

display.clear_output()
Image.open('./output/vis/Cats_Test1011.png')

img = './data/images/Cats_Test1035.png'
result = inferencer(img, out_dir='./output', pred_score_thr=0.6)

display.clear_output()
Image.open('./output/vis/Cats_Test1035.png')