【模型复现】自制数据集上复现目标检测域自适应 Towards Online Domain Adaption Object Decetion 代码 online-da

---

• Code：online-da
• Paper：Towards Online Domain Adaption Object Decetion

1. 环境安装

1.1 要求

• Linux 上 Python ≥ 3.7
• PyTorch ≥ 1.8，torchvision 必须和安装的 PyTorch匹配
• gcc & g++ ≥ 5.4

1.2 安装

# 创建环境
conda create -n online_da python=3.7

# 激活环境
conda activate online_da

# torch 安装
# 本机 CUDA 为 11.8，根据代码 README.md 安装环境后版本不匹配，故安装了符合要求的 pytorch==1.10，这里需要自行根据 CUDA 版本安装适配的 torch 版本
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

# pip 包
cd online-da
pip install -r requirements.txt

# pip detectron2 相关包
cd ..
python -m pip install -e online-da

2. 数据准备

• 准备 coco 格式的训练数据，数据集的文件结构为：

  my_datasets/
  ├──annotations
  │	├──train.json
  │	└──val.json
  ├──train
  │	├──xxx.jpg
  │	├──xxx.jpg
  │	└──xxx.jpg
  └──val
  	├──xxx.jpg
  	├──xxx.jpg
  	└──xxx.jpg
  

3. 模型复现

3.1 数据集注册

• 修改 online-da-main/detectron2/data/datasets/builtin.py
  • 如下图所示添加自制数据集
    
  • 如下图所示修改加载数据路径
    
• 修改 online-da-main/detectron2/data/datasets/builtin_meta.py
  • 如下图所示添加代码并根据需要进行修改
    
  • 同时在 _get_builtin_metadata() 函数中将 coco 格式的返回值修改为上述添加的 _get_smoke_coco_meta() 即可。
    

3.2 超参数配置

• 超参数配置文件修改
  • 在 configs/online-da/ 路径下新建 onda_my_datasets.yaml，根据需要进行超参数修改，示例如下：
    
• 预训练权重下载
  • 链接: 预训练权重下载地址
  • 从上述链接中下载所需预训练权重，并放至项目根目录下
• 超参数配置
  • 文件路径 online-da/detectron2/engine/defaults.py
  • 配置 config-file 为第一步修改的 onda_my_datasets.yaml 文件路径
  • 配置 model-dir 为第二步下载的权重 model_final.pth 路径
  • 根据需要进行 num-gpus 配置
    

3.3 模型训练

• 在终端中使用 python tools/train_onlineda_net.py 即可进行模型训练

4. 踩坑记录

4.1 报错：AssertionError: Attribute ‘thing_dataset_id_to_contiguous_id’ in the metadata of ‘coco_smoke_val’ cannot be set to a different value! {1: 0, 2: 1, 3: 2, 4: 3} != {0: 0, 1: 1, 2: 2, 3: 3}

• 原因分析
  • 在注册数据集时，标签的 id 序号从 1 开始，而数据集的 json 文件中从 0 开始，导致标签序号不匹配
• 解决方法
  • 注册数据集时，将 id 序号修改为从 0 开始
    

4.2 报错：KeyError: ‘image_weak’

• 问题分析
  • 变量 x 中不存在名为 ‘image_weak’ 的 key 值
• 解决方法
  • 选择合适的模型或者以 onda 开头的 yaml 文件

4.3 报错：Exception: backbone.stem.conv1.weight is not found in student model

• 问题分析
  • 在 student 模型中没有权重值 backbone.stem.conv1.weight，在 tools/train_onlineda_net.py 的 update_teacher_model() 函数中权重值字典中 key 值从第 7 个字符开始，导致 student 和 teacher 模型的权重值名称不匹配
• 解决方法
  • 修改 key 值为权重值名称全称
    

4.4 报错：AttributeError: InstanceAnnotation

• 问题分析
  • 缺少 detectron2._C 模块，导致无法调用 _C.InstanceAnnotation
• 解决方法
  • 按照环境安装步骤重新安装环境

4.5 报错：error: package directory ‘projects/PointRend/point_rend’ does not exist

• 问题分析
  • 缺少 projects 文件夹
• 解决方法
  • online-da 代码基于 detectron2 框架，故从 detectron2 官方代码中复制 projects 文件夹到 online-da 根目录下即可

4.6 报错：unhandled cuda error

• 问题分析
  • 安装环境版本间不兼容
• 解决方法
  • 按照环境安装步骤重新安装环境

4.7 报错：KeyError：‘class-AP50’

• 问题分析
  • results_i['bbox'] 中无 key 值 ’class-AP50'
• 解决方法
  • 首先查看 results_i['bbox'] 内容
    
  • 可看到 results_i['bbox'] 中并不存在名称为 ’class-AP50' 的 key 值，并且报错位置的代码实现功能为记录每个类别的 AP 值，故修改代码对各类别的 AP 进行输出即可