OpenMMLab 实战营打卡 - 第 5 课

Posted 2023-03-02 BoBo玩ROS

OpenMMLab MMDetection

• MMDetection
• • MMDetection 可以做什么
  • MMDetection 环境搭建
  • 两阶段检测器的构成
  • 单阶段检测器的构成
  • RetinaNet 模型配置 – 主干网络
  • RetinaNet 模型配置 – 颈部
  • RetinaNet 模型配置 – bbox head 1
  • RetinaNet 模型配置 – bbox head 2
  • 在 MMDetection 中配置 COCO 数据集
  • MMDetection 中的常用训练策略
  • 训练自己的检测模型
• 参考资料

MMDetection

MMDetection 可以做什么

• MMDetection 提供 400 余个性能优良的预训练模型，开箱即
  用，几行 Python API 即可调用强大的检测能力

• MMDetection 涵盖 60 余个目标检测算法，并提供方便易用的
  工具，经过简单的配置文件改写和调参就可以训练自己的目标检
  测模型

MMDetection 环境搭建

两阶段检测器的构成

单阶段检测器的构成

RetinaNet 模型配置 – 主干网络

RetinaNet 模型配置 – 颈部

RetinaNet 模型配置 – bbox head 1

RetinaNet 模型配置 – bbox head 2

在 MMDetection 中配置 COCO 数据集

MMDetection 中的常用训练策略

训练自己的检测模型

通常基于微调训练：

• 使用基于COCO预训练的检测模型作为梯度下降的“起点”
• 使用自己的数据进行“微调训练”，通常需要降低学习率

具体到 MMDetection，需要：

• 选择一个基础模型，下载对应的配置文件和预训练模型的参数文件

• 将数据整理成MMDetection的支持的格式，如COCO格式或者自定义格式

• 修改配置文件：
  • 修改配置文件中的数据路径
  • 修改模型的分类头
  • 设置加载预训练模型
  • 修改优化器配置（学习率、训练轮次等）
  • 修改一些杂项

  配置文件的修改可以通过继承的方式，不用把一整个配置文件贴过来再一条一条改原始配置文件和与训练权重可以用 MIM 工具下载

参考资料

5 MMDetection 代码教学