03mmaction2 行为识别商用级别使用mmaction搭建faster rcnn批量检测图片输出为via格式
Posted 计算机视觉-杨帆
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了03mmaction2 行为识别商用级别使用mmaction搭建faster rcnn批量检测图片输出为via格式相关的知识，希望对你有一定的参考价值。
github：https://github.com/Whiffe/YF-OpenLib-mmaction2.git
码云：https://gitee.com/YFwinston/YF-OpenLib-mmaction2.git
B站：https://www.bilibili.com/video/BV1tb4y1b7cy#reply5831466042
上一个mmaction2项目：【mmaction2 slowfast 行为分析(商用级别)】总目录
平台：极链AI
0，前言
在之前，我使用了mmaction2做了slowfast商用项目的检测，这次是对之前的项目的优化，如：faster rcnn时如何在mmaction2中使用的、如何把faster rcnn替换成yolo或者其他的。
1，快速搭建mmacton2
进入AI平台
选择一块GPU
选择镜像版本（记住pytorch的版本和cuda的版本，待会儿要用）
然后进入jupyter，打开终端
进入home
cd home/
下载项目：
git clone https://gitee.com/YFwinston/YF-OpenLib-mmaction2.git
安装mmcv
pip install mmcv-full==1.2.7 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.6.0/index.html
安装mmpycocotools
pip install mmpycocotools
安装其它
pip install moviepy opencv-python terminaltables seaborn decord -i https://pypi.douban.com/simple
pip install colorama
进入YF-OpenLib-mmaction2
cd YF-OpenLib-mmaction2/
运行setup/py
python setup.py develop
2，如何搭建faster rcnn配置文件
下图是之前的faster rcnn的代码
那么这个文件是如何得到的呢？
了解到这个文件如何写成，有助于我们对其它网络的搭建。
2.1 在mmdetection中找到对应网络
mmdetection与mmaction都是同一个团队做出来的，那么mmaction也是具有使用mmdetection中网络的功能。
首先，进入mmdetection的guthub：
https://github.com/open-mmlab/mmdetection
进入到：mmdetection/configs/faster_rcnn/
找到 faster_rcnn_r50_fpn_2x_coco.py
点开后，文件内容如下：
2.2 代码拼接
我们就根据这个目录，把这些python文件按照顺序进行拼接。
我们将拼接内容写在：/home/YF-OpenLib-mmaction2/configs/fasterRcnn/faster_rcnn_r50_fpn_2x_coco.py
但是有一处需要修改（删除我框出来的地方，然后在上方重写一个）
修改后代码如下：
# model settings
model = dict(
type='FasterRCNN',
pretrained='torchvision://resnet50',
backbone=dict(
type='ResNet',
depth=50,
num_stages=4,
out_indices=(0, 1, 2, 3),
frozen_stages=1,
norm_cfg=dict(type='BN', requires_grad=True),
norm_eval=True,
style='pytorch'),
neck=dict(
type='FPN',
in_channels=[256, 512, 1024, 2048],
out_channels=256,
num_outs=5),
rpn_head=dict(
type='RPNHead',
in_channels=256,
feat_channels=256,
anchor_generator=dict(
type='AnchorGenerator',
scales=[8],
ratios=[0.5, 1.0, 2.0],
strides=[4, 8, 16, 32, 64]),
bbox_coder=dict(
type='DeltaXYWHBBoxCoder',
target_means=[.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='L1Loss', 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=0),
out_channels=256,
featmap_strides=[4, 8, 16, 32]),
bbox_head=dict(
type='Shared2FCBBoxHead',
in_channels=256,
fc_out_channels=1024,
roi_feat_size=7,
num_classes=80,
bbox_coder=dict(
type='DeltaXYWHBBoxCoder',
target_means=[0., 0., 0., 0.],
target_stds=[0.1, 0.1, 0.2, 0.2]),
reg_class_agnostic=False,
loss_cls=dict(
type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
loss_bbox=dict(type='L1Loss', loss_weight=1.0))),
# model training and testing settings
train_cfg=dict(
rpn=dict(
assigner=dict(
type='MaxIoUAssigner',
pos_iou_thr=0.7,
neg_iou_thr=0.3,
min_pos_iou=0.3,
match_low_quality=True,
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=-1,
pos_weight=-1,
debug=False),
rpn_proposal=dict(
nms_pre=2000,
max_per_img=1000,
nms=dict(type='nms', iou_threshold=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,
match_low_quality=False,
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_pre=1000,
max_per_img=1000,
nms=dict(type='nms', iou_threshold=0.7),
min_bbox_size=0),
rcnn=dict(
score_thr=0.05,
nms=dict(type='nms', iou_threshold=0.5),
max_per_img=100)
# soft-nms is also supported for rcnn testing
# e.g., nms=dict(type='soft_nms', iou_threshold=0.5, min_score=0.05)
))
# dataset settings
dataset_type = 'CocoDataset'
data_root = 'data/coco/'
img_norm_cfg = dict(
mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
dict(type='LoadImageFromFile'),
dict(type='LoadAnnotations', with_bbox=True),
dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
dict(type='RandomFlip', flip_ratio=0.5),
dict(type='Normalize', **img_norm_cfg),
dict(type='Pad', size_divisor=32),
dict(type='DefaultFormatBundle'),
dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),
]
test_pipeline = [
dict(type='LoadImageFromFile'),
dict(
type='MultiScaleFlipAug',
img_scale=(1333, 800),
flip=False,
transforms=[
dict(type='Resize', keep_ratio=True),
dict(type='RandomFlip'),
dict(type='Normalize', **img_norm_cfg),
dict(type='Pad', size_divisor=32),
dict(type='ImageToTensor', keys=['img']),
dict(type='Collect', keys=['img']),
])
]
data = dict(
samples_per_gpu=2,
workers_per_gpu=2,
train=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_train2017.json',
img_prefix=data_root + 'train2017/',
pipeline=train_pipeline),
val=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_val2017.json',
img_prefix=data_root + 'val2017/',
pipeline=test_pipeline),
test=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_val2017.json',
img_prefix=data_root + 'val2017/',
pipeline=test_pipeline))
evaluation = dict(interval=1, metric='bbox')
# optimizer
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=None)
# learning policy
lr_config = dict(
policy='step',
warmup='linear',
warmup_iters=500,
warmup_ratio=0.001,
step=[16, 22])
#runner = dict(type='EpochBasedRunner', max_epochs=24)
checkpoint_config = dict(interval=1)
log_config = dict(
interval=20,
hooks=[
dict(type='TextLoggerHook'),
# dict(type='TensorboardLoggerHook'),
])
# runtime settings
dist_params = dict(backend='nccl')
log_level = 'INFO'
load_from = None
resume_from = None
workflow = [('train', 1)]
2.3 下载对应权重
下载权重的地方仍然在mmdetection：https://github.com/open-mmlab/mmdetection/tree/master/configs/faster_rcnn
复制权重下载链接：
https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_2x_coco/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth
然后进入AI平台，进入终端
创建 ./Checkpionts/mmdetection/
mkdir -p ./Checkpionts/mmdetection/
进入/home/YF-OpenLib-mmaction2/Checkpionts/mmdetection/
在终端下载权重：
wget https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_2x_coco/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth
3，使用mmaction中的faster rcnn检测多张图片并转化为via标注工具格式
使用mmaction中的faster rcnn检测多张图片并转化为via标注工具格式，这一步是我之前博客写过，如何将faster rcnn检测结果转化为via标注工具可以识别的json文件：【mmaction2 slowfast 行为分析(商用级别)】视频转图片帧，faster cnn检测图片并转化为via格式
这次也是类似的，但是，我们在检测前，加一个检测结果的输出，方便我们看检测过程：/home/YF-OpenLib-mmaction2/mywork/detection2_outvia3.py
在/home/YF-OpenLib-mmaction2下输入：
python mywork/detection2_outvia3.py /home/YF-OpenLib-mmaction2/configs/fasterRcnn/faster_rcnn_r50_fpn_2x_coco.py /home/YF-OpenLib-mmaction2/Checkpionts/mmdetection/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth --input /user-data/mmactionVideo/frames/*/*.jpg --gen_via3 --output /user-data/mmactionVideo/annotations_proposal --score-thr 0.5 --show
以上是关于03mmaction2 行为识别商用级别使用mmaction搭建faster rcnn批量检测图片输出为via格式的主要内容，如果未能解决你的问题，请参考以下文章
04mmaction2 行为识别商用级别slowfast检测算法使用yolov3来检测人
08mmaction2 行为识别商用级别自定义ava数据集 之 将视频裁剪为帧
08mmaction2 行为识别商用级别自定义ava数据集 之 将视频裁剪为帧
00mmaction2 行为识别商用级别快速搭建mmaction2 pytorch 1.6.0与 pytorch 1.8.0 版本，faster rcnn 与 slowfast
待完善 03mmaction2 slowfast 行为分析(商用级别)训练自定义ava数据集
12mmaction2 行为识别商用级别X3D复现 demo实现 检测自己的视频 Expanding Architecturesfor Efficient Video Recognition