pytorch环境之mask-rcnn源码实现

已于 2023-10-27 14:03:14 修改
阅读量5k 收藏 106
点赞数 21
分类专栏： 模型部署测试 文章标签： pytorch 人工智能 目标检测 mask rcnn代码实现 优化模型
于 2023-03-17 16:47:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46926492/article/details/129559384
版权
本文详细介绍了如何在PyTorch环境下实现MaskR-CNN，包括源码下载、依赖安装、COCO2017和气球数据集的准备。在训练模型的过程中，作者修改了数据集类别、配置文件，并解决了训练过程中遇到的问题，如超参数调整、学习率设置等。针对小数据集的优化，作者探讨了batch_size、epoch和NMS参数的影响，以及使用tensorboard查看算法指标。
摘要由CSDN通过智能技术生成

pytorch环境之mask-rcnn源码实现

1.下载源码及配置环境

1.1 mask-rcnn源码下载

1.2 安装项目依赖包

  • 在虚拟环境中安装相关项目库
    pip install openmim
mim install mmcv-full
pip install mmdet

1.3 coco2017数据集下载

  • 官网链接：https://cocodataset.org/
    在这里插入图片描述
  • 创建data/coco2017文件夹，将文件解压到coco2017中
  • 将annotations_trainval2017/annotations文件夹剪切到与train2017,val2017同目录
    在这里插入图片描述
  • 将train2017.zip,val2017.zip,annotations_trainval2017.zip,annotations_trainval2017,四个文件都可以删除了
  • 将data整个文件放入项目的根目录
    在这里插入图片描述

1.4 气球数据集下载

2. coco2017数据集训练模型

2.1 修改数据集类别名称和类别数量

  • 需要修改为自己数据的类别名称，才能预测
  • 修改文件位置
    • mmdetection-master/mmdet/datasets/coco.py
    • mmdetection-master/mmdet/core/evaluation/class_name.py
  • 我使用的是coco2017数据集，所以现在不用修改
    在这里插入图片描述

2.2 修改配置文件

  • 找到配置文件目录mmdetection-master/configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py
    在这里插入图片描述

  • 修改mask_rcnn_r50_fpn.py 文件类别数，将80改为自己的分类个数

    • coco2017数据集不用修改
      在这里插入图片描述

  • 修改coco_instance.py 文件,data_root数据集路径

    • 数据集文件路径放的位置是固定的，但是coco2017这个名称可以根据自己的名称修改即可,其他的不需要动
      在这里插入图片描述
    • 为什么需要加../,因为train.py数据集在tools文件夹中，不在根目录，需要找到根目录位置

    在这里插入图片描述

  • 修改coco_instance.py 文件数据集路径,查看自己的文件名称，进行相应修改
    在这里插入图片描述

  • 修改schedule_1x.py 文件中的学习率修改自己的数值
    在这里插入图片描述

  • 修改default_runtime.py 文件，不知道为什么修改
    在这里插入图片描述

  • 添加train.py 文件参数
    在这里插入图片描述

2.3. 代码运行报错问题解决

  • 运行train.py代码
    • 报错了ImportError: Please run pip install future tensorboard to install the dependencies to use torch.utils.tensorboard (applicable to PyTorch 1.1 or higher)
      • 根据提示命令安装
        pip install future tensorboard
    • 再次运行，又报错了AttributeError: module distutils has no attribute version
      • 查阅资料表示setuptools版本太高，采用低版本的setuptools
        pip install setuptools==59.5.0
      在这里插入图片描述
  • 重新运行，成功训练
    • 数据集太大，没有跑完，所以下面使用balloon数据集测试是否正常跑通
      在这里插入图片描述

4.气球数据集训练模型

4.1 修改数据集类别名称和类别数量

  • 需要修改为自己数据的类别名称，才能预测
  • 修改文件位置
    • mmdetection-master/mmdet/datasets/coco.py
    • mmdetection-master/mmdet/core/evaluation/class_name.py
      在这里插入图片描述

4.2 修改配置文件

  • 找到配置文件目录mmdetection-master/configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py
    在这里插入图片描述

  • 修改mask_rcnn_r50_fpn.py 文件类别数，将80改为自己的分类个数，我改为1
    在这里插入图片描述

  • 修改coco_instance.py 文件,data_root数据集路径

    • 路径根据自己的数据集修改
      在这里插入图片描述

  • 修改coco_instance.py 文件数据集路径,查看自己的文件名称，进行相应修改

    • 注意自己的json文件名称，我修改为了train.json,val.json
      在这里插入图片描述

  • 在训练过coco2017数据集之后修改了其他的配置，其他都不需修改

4.3 代码运行

  • 运行train.py代码，成功训练
    在这里插入图片描述

4.5 优化模型

4.5.1 查看算法指标图

  • 代码运行成功，但是效果非常差
  • 原超参数
    batch_size=2,epoch=12
  • 使用balloon数据集train数据集个数为63，val数据集个数为13,数据及太小了，所以要根据自己的数据集修改超参数
    • 打印出来显示的是这样的，惊呆了，，，
      在这里插入图片描述

4.5.2 调整超参数batch_size

  • 最终调整的超参数值samples_per_gpu=1
  • 电脑只有一个gpu，源码有8个gpu,所以他的samples_per_gpu=2，实际batch_size为16，实际调整的参数是samples_per_gpu
    在这里插入图片描述
  • samples_per_gpu这个值调试了很多次
    • 我将samples_per_gpu改为16，报错显示内存溢出
    • 改为8使用训练集测试，一个图片都没有检测出来【不知道什么问题】
    • 改为了4,有检测出来的，但是还有没有检测出来的
      在这里插入图片描述
    • 改为2，下面这张图片没有预测出来
      在这里插入图片描述
    • 想想就这样吧，最后改为1试了一下，预测出了一个气球，只能这样了，数据集小了
      在这里插入图片描述
  • 参数修改文件
    在这里插入图片描述

4.5.3 调整超参数epoch和学习率

  • 前期sample_per_gpu修改时，epoch也修改了，改过200,150，都没有什么效果
  • 原因：数据集太小，应该是不需要这么多批次，最后就设置了100，没有设置更低的，但是觉得80可能效果也差不多，不想再试了，，，
  • 学习率改为0.0025【网上说的使用的gpu越少，学习率就要越低】
    在这里插入图片描述

4.5.4 迭代次数interval

  • 没有什么对模型实际的影响，该不该都行，只是在终端会打印loss信息，但是也看不出来什么，看图比较明显
  • 我是改为了4
    在这里插入图片描述

4.5.5 运行test文件测试数据

  • 设置保存图片路径【检测出的图片】
    在这里插入图片描述

  • 在test.py中加入参数

../configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py
../tools/work_dirs/mask_rcnn_r50_fpn_1x_coco/epoch_150.pth
--show
--eval
bbox
segm

在这里插入图片描述

  • 使用val数据集测试
    在这里插入图片描述

  • 预测问题，一个物体出现多个框
    在这里插入图片描述

  • 调整相关非极大值抑制参数

    • 修改nms参数，红线行数数值修改了，默认值是注释的值
    • 也调好几次，这是最后的值
      在这里插入图片描述

  • 测试结果图

    • 一张图片测试结果还好
      在这里插入图片描述

    • 多个气球不重叠的效果还好
      在这里插入图片描述

    • 多个气球重叠的效果还不是很好

    在这里插入图片描述

    • 测试错误的，把像气球的形状也测出来了
      在这里插入图片描述

4.6 再次查看算法指标图

  • 查看loss,使用tensorboard
    • 在终端项目根目录输入命令logdir为输出的日志路径
    tensorboard --logdir=tools/work_dirs/mask_rcnn_r50_fpn_1x_coco/
    在这里插入图片描述
  • 学习率
    在这里插入图片描述
  • 训练集指标图
    • 精准率大约为93.5%
    • 其他损失也都在缓慢下降
    • 总体看效果是不错的
      在这里插入图片描述
      在这里插入图片描述
  • 校验集指标图
    • 不知道是什么意思，但是感觉效果不错
    • 以后知道都是什么指标再更新
      在这里插入图片描述
      在这里插入图片描述

5.总结

  • 第一次实战，踩了很多坑
  • 原先使用的tensorflow框架，环境搞不好，弄了一周放弃了【代码都没有正常运行出来，无语】
  • 原先使用的coco2017数据集，真的太大了，训练时间太久了，再调参更可怕，不适合学习
  • 实在没有办法了，就是用了balloon数据集，原先就想使用的，但是格式不一样，后期没有办法了，就搜了怎么转换的文章，幸运的是找到了相关代码可以使用,没有很浪费时间
  • 这次给我最大的教训，就是不可以一次调多个参数，效果变好变坏都不知道到底是哪个参数导致的
  • 调参真的需要经验，希望以后知道怎么调参数，，，
PyTorch深度学习实战（25）——从零开始实现Mask R-CNN实例分割
盼小辉丶的博客
11-01 4837
Mask R-CNN 是一种在目标检测任务中引入了语义分割的强大框架，通过在 Faster R-CNN 基础上进行扩展，添加了额外的分支网络，不仅可以准确地检测对象的位置和类别，还可以生成每个实例的精确像素级别的语义分割掩码。其模块化的设计可以轻松地应用于不同的任务和数据集，并且可以通过添加更多的分支进行功能扩展，如实例关键点检测等。
maskrcnn_pytorch：maskrcnn pytorch实现
02-21
Mask RCNN：Pytorch实现 使用Pytorch框架屏蔽RCNN实现。 banchmark： : 要求 Python> = 3.6。 PyTorch> = 1.5，并且Torchvision与PyTorch安装匹配。 执照 该存储库是根据MIT许可发布的。
Mask R-CNN官方实现“又”来了！基于PyTorch，训练速度是原来2倍
量子位
10-25 1989
晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI来自官方的Mask R-CNN实现终于“又”来了！PyTorch官方Twitter今天公布了一个名为Mask R-...
Mask R-CNN Pytorch 项目教程
最新发布
gitblog_00278的博客
10-10 966
Mask R-CNN Pytorch 项目教程 Mask_RCNN_Pytorch Mask R-CNN for object detection and instance segmentation on Pytorch 项目地址...
基于PyTorch搭建Mask-RCNN实现实例分割
Daybreak's blog
09-19 1430
在这篇文章中，我们将讨论 Mask RCNN Pytorch 背后的理论以及如何在 PyTorch 中使用预训练的 Mask R-CNN 模型。
基于pytorch的MASK R-CNN源码学习与调试
qq_42674138的博客
06-19 928
源码地址：GitHub - facebookresearch/maskrcnn-benchmark: Fast, modular reference implementation of Instance Segmentation and Object Detection algorithms in PyTorch. 配置完环境、下载好数据后尝试跑train_net.py，运行报错： 修改coco.py文件里的self.transforms为self._transforms 解决
Python-MaskXRCNN网络的PyTorch实现
08-11
PyTorch implementation of the Mask-X-RCNN network proposed in the 'Learning to Segment Everything' paper by Facebook AI Research
Pytorch mask-rcnn 实现细节分享
09-16
主要介绍了Pytorch mask-rcnn 实现细节分享，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Mask R-CNN的PyTorch实现（医学图像上的应用）
热门推荐
WangNning2000的博客
11-11 3万+
一开始是在csdn上找的代码，但在pycharm里没有调通，所以又到GitHub上copy的，在jupyter notebook上调通了。 源码：https://github.com/pytorch/tutorials/blob/master/_static/torchvision_finetuning_instance_segmentation.ipynb 参考：https://blog.csdn.net/u013685264/article/details/100564660 一.准备..
实例分割-基于Pytorch实现的Mask-RCNN实例分割算法-附项目源码+数据集下载+流程教程-优质项目实战.zip
05-27
项目提供的源码可以帮助开发者了解如何在Pytorch中实现这个复杂架构。通过阅读和理解代码，你将能学习到如何定义网络结构、训练策略以及如何处理数据集。数据集通常包括标注好的图像，每张图片都有对应的目标实例...
pytorch-mask-rcnn
05-11
pytorch-mask-rcnn 这是的Pytorch实现，大部分基于Matterport的 。 Matterport的存储库是在Keras和TensorFlow上的实现。 自述文件的以下部分摘自《 Matterport自述文件》。 有关要求的详细信息，有关此存储库的MS ...
Mask R-CNN源码(TensorFlow版本)
01-30
Mask R-CNN源码，需要python3、tensorflow>=1.3 、Keras>=2.08、 h5py、 scipy、scikit-image、 cython 、numpy+mkl
Mask RCNN源代码
07-13
Mask RCNN源代码，附有数据集，可以直接在windows中运行
Pytorch官方微调Mask-RCNN遇到的坑
IT_BOY__的博客
05-27 2953
官网地址 已经成功做好了这个实验，但是不得不吐槽一下官方的说明书，做实验的前提不交代好，尤其是这句话： In references/detection/, we have a number of helper functions to simplify training and evaluating detection models. Here, we will use references/detection/engine.py, references/detection/utils.py and ref
mvcnn代码详解_轻松学Pytorch –Mask-RCNN图像实例分割
weixin_39571403的博客
12-20 565
姓名：韩宜真学号：17020120095转载自：https://mp.weixin.qq.com/s?__biz=MzA4MDExMDEyMw==&mid=2247489274&idx=2&sn=d0e1f4eb6ff54aaf74dcbd52bc9abcd3&chksm=9fa861bea8dfe8a80541e3b30ab3444afacf6bdb0928a14...
Mask-RCNN(2) : 代码使用
@bangbang的博客
02-12 1656
当一个batch的长宽比率相差比较大的时候，我们真正输入网络的图片其实是很大的。，如果在验证的时候单张输入图片的话，那么我们输入网络的图片大小其实是和当前图片大小是一样的，此时我们对图片不需要太多处理。每隔10个epoch进行验证, 不过这样就没法获得保存每个epoch的验证结果，这样就没法根据每个epoch它的验证结果去绘制对应的曲线了。所以按照长宽比率进行排序之后，我们对它分组，然后再组内进行采样，这样我们输入网络的图片打包成batch它的大小会更小些，从而对。的，在目标检测中是没有使用到的。
mask rcnn pytorch源码分析二
jyfwinner的博客
04-27 333
#关于DataGenerator getitem 部分分析 class DataGenerator(Dataset): def __init__(self, dataset_handler, config, augmentation=None, anchors=None): """A generator that returns images and correspondi...
mask-rcnn pytorch实现
qq_50904853的博客
05-21 1359
mask-rcnn pytorch实现 1、模块 batch_norm class FrozenBatchNorm2d(): function:批量正则化 torch.half():将tensor转换为其半精度tensor tensor.rsqrt():开方 misc helper class that supports empty tensors on some functions backbone resnet resnet + fpn retina + fpn fpn
pytorch中创建maskrcnn模型
qq_37293230的博客
04-28 1435
详细解释pytorch中maskrcnn的实现过程
Pytorch实现Mask-RCNN实例分割算法详解与实战教程
在标签中提到的“实例分割”、“Pytorch”、“MaskRCNN”、“语义分割”和“优质项目”，这不仅是本项目的主题和工具，也代表了项目内容的深度和广度。其中，“语义分割”是指将图像中的每个像素分配给一个类别标签...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

荼靡~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值