Facebook计算机视觉开源框架Detectron2学习笔记 --- 从demo到训练自己的模型

Detectron2 是 Facebook 基于pytorch开发的一个计算机视觉的深度学习框架。

开始之前首先声明一下，我刚入坑深度学习，甚至可以说刚入坑计算机，这一系列博客仅仅是我个人的一个学习笔记，主要面向新手。因为现在很多 Detectron2 的分析其实都是面向老手（实际上刚入坑的新人也不会上来就接触 Detectron2 这种框架），很多细节部分可能大佬们觉得很简单就略过了，但是对于新手而言要费很长时间研究。因此这一系列文章仅仅记录一下我使用 Detectron2 过程中的学习历程以及踩过得坑，如果哪里有问题欢迎指正！

刚入坑深度学习不久，始终在研究CV的目标检测任务，现在常见的单阶段检测器（YOLO系列，SSD系列以及衍生品），双阶段检测器（Faster-RCNN系列），以及其它检测器（CenterNet, FCOS）基本都有尝试跑过。学习步骤基本就是 大概了解 -- 细读论文 -- 找代码跑一遍 -- 分析代码。但是后两个环节实际上非常费时间，毕竟我刚刚入门深度学习，最费时且无聊的一个步骤就是去 github 上找各种版本的代码，有些作者的官方实现写的比较混乱，可读性不高，分析代码非常痛苦，而有些其他人的实现甚至完全是错误的，本身就难以跑出正确结果。

机缘巧合之下我接触了 Facebook 开发的计算机视觉开源框架 Detectron2，这个框架用“拼积木”的方式，把模型的各个组件模块化，之后用不同的配置文件拼起来，这对于刚刚入门CV的新手们简直就是福音！首先，Detectron2 的代码非常清晰，想看哪个部分一目了然，同时各种超参数也可以简单地通过配置文件更改。另一方面，因为电脑配置以及时间原因，我自己跑模型验证的时候是使用的一个比较简单的数据集（仅有两类，数据在几千张），因为对于刚入门的学习者而言，属实没有必要非要把各个模型在 COCO, VOC 这种大型数据集上跑一遍去验证网络，这非常浪费时间，同时我自己的电脑配置也不支持我这么玩。因此，我经常会调整网络结构，因为我发现我的数据集根本没有必要使用那么大规模的网络（比如现在检测器最低档次也是用 ResNet18 作为 Backbone，8个残差块，卷积核数量一般是 64 - 128 - 256 - 512，再加上一些分支网络最后一般会有100M左右的参数量，确实是小题大作了，实际上我发现通常 3M 左右的参数量就能跑出不错的结果，最优情况下 <1M 的简化版 SSD 也能跑出来），所以，我的常用做法是把通道数缩小，改成 32 - 48 - 64 - 80 - 96， 同时，输入图片的分辨率也会缩小，需要先验框（anchor）的模型我会减少先验框数量，用到 FPN 的模型我通常会仅采用 2-3 张特征图进行上采样。使用 Detectron2 的时候，虽然不支持大部分网络层面上的修改，但是因为代码清晰，我自己修改起来也很快就能搞定，实在不行我重写一个主干网络也不是很费劲，这是我选用 Detectron2 的另一个因素。第三点，Detectron2 的训练速度远优于一些其他的实现代码，这一点是毋庸置疑的（虽然我现在也不明白原理），实际上在找代码的过程中发现，有些作者会直接把 Detectron2 的训练器搬过来用。

但是 Detectron2 目前内置的模型基本都是 双阶段检测器 （Faster-RCNN, RetinaNet），虽然在这种模块化的框架实现其他检测器也并不是很难，但是官方的源码里确实没有。。。因此我决定以后在研究新网落的时候，都搬到 Detectron2 来，过程中我也会对这个框架有更深的了解，所以学习 Detectron2 就是第一步。这一系列博客就当一个记录，记录我的学习历程。

所以，我写这一系列博客的目的是：

1. 系统学习 Detectron2 的结构。

2. 在 Detectron2 上实现自己的网络。

3. 使用 Detectron2 当作我的学习工具。

这里附上 Github 上 Detectron2 的官方代码：https://github.com/facebookresearch/detectron2

一些环境需求和安装什么的直接去 github 查看吧

目录：

所有学习始于官方文档：

1. Detectron2 “快速开始” Detection Tutorial Colab Notebook 详细解读

2. Detectron2 官方文档详细解读 （上）

3. Detectron2 官方文档详细解读（下）

4. Detectron2 代码解读（1）如何构建模型

5. Pytorch 基于 Detectron2 从零实现 Unet

---