Deep-Feature-Flow文章及代码训练解析

最新推荐文章于 2024-08-16 07:32:27 发布

HeyMrYu

最新推荐文章于 2024-08-16 07:32:27 发布

阅读量2.8k

点赞数 3

分类专栏：代码解析文章标签：视频目标检测人工智能

本文链接：https://blog.csdn.net/qq_41798243/article/details/89400812

版权

代码解析专栏收录该内容

3 篇文章 0 订阅

订阅专栏

Deep Feature Flow for Video Recognition
CVPR2017
Github地址：https://github.com/msracver/Deep-Feature-Flow
paper地址：https://arxiv.org/abs/1611.07715

读书笔记

Deep feature flow 利用deep feature （appearance 信息）和光流（motion 信息）来对视频中的每一帧做建模，它的核心思想是利用指定的关键帧（key frame）和其他帧（current frame）到关键帧的光流信息，把关键帧送入到deep CNN中得到deep feature，而对于其他帧算出与关键帧的光流，再用光流把关键帧的deep feature propagate （相加，在做双线性差值）到当前帧，这时候就可大大减少计算量，因为对于非关键帧的话就不用再去过CNN了。对于新得到的特征，接下来就可对其进行不同任务处理，比如分割或者检测。

算法要点

1）在关键帧（Key Frame）进行特征图提取

这一步是比较耗时的，因此是间隔进行的，至于是使用Faster RCNN 还是RFCN，网络是ResNet-101 还是Inception，可以自行选择。

2）帧间传播

通过下面这幅图来看，作者将任务分成两个：特征提取 N（feat）和分类&分割 N（task）。
耗时的特征提取 N（feat）只在关键帧 Work，非关键帧的 Feature 通过传播（Propagation）得到。
F是通过两个 Raw Frame得到的 Flow信息，作用于前面的 Feature Map，得到当前帧特征图，并用于计算 N（task）。
在这里插入图片描述

3）特征图映射

特征图映射是本文的最关键部分，因为高层特征和底层特征的差别，流估计的误差会使得特征形变不准确，来看映射效果：
在这里插入图片描述

4）端到端训练

为了让算法达到比较好的效果，端到端（end-to-end）的训练必不可少，好处在于能够比较好的平衡误差，避免因为单独训练每一部分都挺好，结果却无法 Match 的情况，大多数 Deep Net 都会选择 end-to-end 的方法，也比较好理解。

算法流程

在这里插入图片描述

代码训练笔记

基于mxnet的Deep-Feature-Flow文件内容相信大家都可以看懂，作者基于imagenet比赛的数据集进行的训练，31类（包含背景）并不包含人，而我所作的需要对人员进行检测，所以重新训练数据集。
训练过程作者写的很详细了，在此不做介绍，主要记录一下我所进行的修改：

准备工作：

作者使用的是ILSVRC2015数据集，所以需要准备格式相同的数据集。

建议：先下载ILSVRC2015数据集，先能跑通该数据集，然后再用自己的数据集集跑，如果出问题，那么就是标注数据集的问题

data/ILSCRC2015/ImageSets VID_train_15frames.txt 解析

train/ILSVRC2015_VID_train_0000/ILSVRC2015_train_00000000 1 10 300
train/ILSVRC2015_VID_train_0000/ILSVRC2015_train_00000000 1 30 300
train/ILSVRC2015_VID_train_0000/ILSVRC2015_train_00000000 1 50 300
train/ILSVRC2015_VID_train_0000/ILSVRC2015_train_00000000 1 70 300
train/ILSVRC2015_VID_train_0000/ILSVRC2015_train_00000000 1 90 300

第一列表示对应的路径信息
第二列表示正负样本， 1为正 -1 为负
第三列表示第几帧图像
第四列表示该vid一共多少帧图像

注意：图片格式为JPEG

训练过程

修改cfgs下的文件：以resnet_v1_101_imagenet_vid_rfcn_end2end_ohem.yaml为例：

MXNET_VERSION: "mxnet"
output_path: "./output/rfcn/imagenet_vid" #选择要输出的路径
symbol: resnet_v1_101_rfcn
gpus: '0,1,2,3' #修改为你所使用的GPU
CLASS_AGNOSTIC: true

dataset: #根据标题，修改为自己的数据集的相关信息
  NUM_CLASSES: 31
  dataset: ImageNetVID
  dataset_path: "./data/ILSVRC2015"
  image_set: DET_train_30classes+VID_train_15frames
  root_path: "./data"
  test_image_set: VID_val_frames
  proposal: rpn

TRAIN: # 修改学习率已经epoch等
  lr: 0.00025
  lr_step: '1.333'
  warmup: false
  begin_epoch: 0
  end_epoch: 2
  ...

主要遇到的训练问题：

1：TypeError: init_params() got an unexpected keyword argument ‘allow_extra’

在这里插入图片描述
解决办法：进入mnxet/module/找到base_module.py文件中 allow_extra=allow_extra这一行删除掉。

2：TypeError: _update_params_on_kvstore() takes exactly 4 arguments (3 given)

在这里插入图片描述
解决办法：进入对应的module.py文件，相应修改

_update_params_on_kvstore(self._exec_group.param_arrays,
                                      self._exec_group.grad_arrays,
                                      self._kvstore,
                                      self._param_names)