Skip to content

Latest commit

 

History

History
241 lines (151 loc) · 13.5 KB

mainbody_detection.md

File metadata and controls

241 lines (151 loc) · 13.5 KB

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。


目录

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)。在主体检测中,我们使用PicoDet系列模型,其在CPU端与移动端,速度较快、精度较好,处于较为领先的业界水平。

基于上述研究,PaddleClas 中提供了 1 个通用主体检测模型,既轻量级主体检测模型,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)
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 41.5% 30.1
  • 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。

  • VFL + GFL
  • 新的PAN Neck结构
  • 余弦学习率策略
  • Cycle-EMA
  • ATSSSimOTA 标签分配策略

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_l_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。

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
# 切换到2.3分支
git checkout release/2.3
# 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 mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml 配置进行训练,配置文件摘要如下:

从上图看到 mainbody_detection/picodet_lcnet_x2_5_640_mainbody.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:

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_100e.yml:主要说明了学习率和优化器的配置

picodet_esnet.yml:主要说明模型和主干网络的情况

picodet_640_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/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.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/picodet/legacy_model/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.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/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml -o pretrain_weights=https://paddledet.bj.bcebos.com/models/picodet_lcnet_x2_5_640_mainbody.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/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml --eval -r output/picodet_lcnet_x2_5_640_mainbody/20

注意:

  • -r命令中最后20表示从第20个epoch保存的权重开始训练,使用时确保20.pdparams 20.pdopt文件存在。请根据实际自行修改

  • 如果遇到 "Out of memory error" 问题, 尝试在 picodet_640_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/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml --infer_img=your_image_path.jpg --output_dir=infer_output/ --draw_threshold=0.5 -o weights=output/picodet_lcnet_x2_5_640_mainbody/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。

4. 模型推理部署

4.1 推理模型准备

执行导出模型脚本:

python tools/export_model.py -c configs/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml --output_dir=./inference -o weights=output/picodet_lcnet_x2_5_640_mainbody/model_final.pdparams

预测模型会导出到 inference/picodet_lcnet_x2_5_640_mainbody 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/picodet_lcnet_x2_5_640_mainbody 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。

4.2 基于python预测引擎推理

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。

4.3 其他推理方式

其他推理方法,如C++推理部署、PaddleServing部署等请参考检测模型推理部署

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。