引言:
刚接触mmdetection,建议不着急看代码,可以先去把config文件夹下的py配置文件先去好好了解一下,因为,要改动或者微调、以及复现论文中的精度,基本上都在config文件夹下进行修改数据。
上面文章是博主刚开始接触mmdetection时,跑通mmdetection的过程和复现论文CrowdHuman里fpn精度的过程,里面有 configs/faster_rcnn_r50_fpn_1x.py
文件里的各个字段详细的解释。可以根据配置文件,修改参数,进行复现结果。
其他的py配置文件,就大同小异了,基本上差不多。
mmdetection源码解读,本文就直接先train.py文件下手。
train.py文件
里面主要就两个函数,parse_args()
和main()
。
作用:
parse_args()
:其实就是获取命令行参数的一个过程,从创建解析对象,到对其解析(有点拗口,但不是重点,只要知道,这个函数用来获得命令行的各个参数就行了。)
main()
:函数主入口,先做了一些config文件,work_dir以及log的操作(这些操作都是从命令行获得的,或者从命令行带有的文件里得到的参数等。)。
然后最主要的三个步骤就是调用build_detector()
来创建模型,调用build_dataset()
对数据集进行注册,然后在训练检测器train_detector()
。
这里的三个函数build_detector()
、build_dataset()
、train_detector()
我们先不讨论具体的实现。
根据我们之前看的py配置文件,以及跑通mmdetection,大致可以知道。执行train.py
时,最主要的参数就是py配置文件。
博主当时跑通mmdetection时,执行训练的命令:
python tools/train.py configs/faster_rcnn_r50_fpn_1x.py
所以呢,我们就可以知道,build_detection()就是将py配置文件里的数据,加载到建立的模型中,然后根据py配置文件中的数据集路径,执行build_dataset()加载数据集模型,最后进行训练train_detector()。
ok,现在详细的来看下面代码。
# -*- coding: utf-8 -*-
from __future__ import division
import argparse
import os
from mmcv import Config
from mmdet import __version__
from mmdet.datasets import build_dataset
from mmdet.apis import (train_detector, init_dist, get_root_logger,
set_random_seed)
from mmdet.models import build_detector
import torch
def parse_args():
#argparse是python标准库里面用来处理****命令行参数****的库
#ArgumentParser()方法参数须知:一般我们只选择用description
#description=None, - help时显示的开始文字
parser = argparse.ArgumentParser(description='Train a detector')#创建一个解析对象
# add_argument向该对象中添加你要关注的命令行参数和选项
# help 可以写帮助信息
parser.add_argument