1. 环境配置完成
2. 了解配置文件
- 配置文件结构:
1)可以运行 python tools/misc/print_config.py /PATH/TO/CONFIG来查看完整的配置文件,也可以通过传递参数 --cfg-options xxx.yyy=zzz 来查看更新的配置信息。
2)在 config/base 文件夹下面有4种基本组件类型: 数据集(dataset),模型(model),训练策略(schedule)和运行时的默认设置(default runtime)。许多模型都可以很容易地通过组合这些组件进行实现,比如 DeepLabV3,PSPNet。使用 base 下的组件构建的配置信息叫做原始配置 (primitive)。
3)命名格式
{algorithm name}_{model component names [component1]_[component2]_[...]}_{training settings}_{training dataset information}_{testing dataset information}
4)PSPNET举例
_base_ = [
'../_base_/models/pspnet_r50-d8.py', '../_base_/datasets/cityscapes.py',
'../_base_/default_runtime.py', '../_base_/schedules/schedule_40k.py'
] # 我们可以在基本配置文件的基础上 构建新的配置文件
crop_size = (512, 1024)
data_preprocessor = dict(size=crop_size)
model = dict(data_preprocessor=data_preprocessor)
# _base_/models/pspnet_r50-d8.py是使用ResNet50V1c作为主干网络的PSPNet的基本模型配置文件。
# 模型设置
norm_cfg = dict(type='SyncBN', requires_grad=True) # 分割框架通常使用 SyncBN
data_preprocessor = dict( # 数据预处理的配置项,通常包括图像的归一化和增强
type='SegDataPreProcessor', # 数据预处理的类型
mean=[123.675, 116.28, 103.53], # 用于归一化输入图像的平均值
std=[58.395, 57.12, 57.375], # 用于归一化输入图像的标准差
bgr_to_rgb=True, # 是否将图像从 BGR 转为 RGB
pad_val=0, # 图像的填充值
seg_pad_val=255) # 'gt_seg_map'的填充值
model = dict(
type='EncoderDecoder', # 分割器(segmentor)的名字
data_preprocessor=data_preprocessor,
pretrained='open-mmlab://resnet50_v1c', # 加载使用 ImageNet 预训练的主干网络
backbone=dict(
type='ResNetV1c', # 主干网络的类别,更多细节请参考 mmseg/models/backbones/resnet.py
depth=50, # 主干网络的深度,通常为 50 和 101
num_stages=4, # 主干网络状态(stages)的数目
out_indices=(0, 1, 2, 3), # 每个状态(stage)产生的特征图输出的索引
dilations=(1, 1, 2, 4), # 每一层(layer)的空心率(dilation rate)
strides=(1, 2, 1, 1), # 每一层(layer)的步长(stride)
norm_cfg=norm_cfg, # 归一化层(norm layer)的配置项
norm_eval=False, # 是否冻结 BN 里的统计项
style='pytorch', # 主干网络的风格,'pytorch' 意思是步长为2的层为 3x3 卷积, 'caffe' 意思是步长为2的层为 1x1 卷积
contract_dilation=True), # 当空洞率 > 1, 是否压缩第一个空洞层
decode_head=dict(
type='PSPHead', # 解码头(decode head)的类别。可用选项请参 mmseg/models/decode_heads
in_channels=2048, # 解码头的输入通道数
in_index=3, # 被选择特征图(feature map)的索引
channels=512, # 解码头中间态(intermediate)的通道数
pool_scales=(1, 2, 3, 6), # PSPHead 平均池化(avg pooling)的规模(scales)。 细节请参考文章内容
dropout_ratio=0.1, # 进入最后分类层(classification layer)之前的 dropout 比例
num_classes=19, # 分割前景的种类数目。 通常情况下,cityscapes 为19,VOC为21,ADE20k 为150
norm_cfg=norm_cfg, # 归一化层的配置项
align_corners=False, # 解码过程中调整大小(resize)的 align_corners 参数
loss_decode=dict( # 解码头(decode_head)里的损失函数的配置项
type='CrossEntropyLoss', # 分割时使用的损失函数的类别
use_sigmoid=False, # 分割时是否使用 sigmoid 激活
loss_weight=1.0)), # 解码头的损失权重
auxiliary_head=dict(
type='FCNHead', # 辅助头(auxiliary head)的种类。可用选项请参考 mmseg/models/decode_heads
in_channels=1024, # 辅助头的输入通道数
in_index=2, # 被选择的特征图(feature map)的索引
channels=256, # 辅助头中间态(intermediate)的通道数
num_convs=1, # FCNHead 里卷积(convs)的数目,辅助头中通常为1
concat_input=False, # 在分类层(classification layer)之前是否连接(concat)输入和卷积的输出
dropout_ratio=0.1, # 进入最后分类层(classification layer)之前的 dropout 比例
num_classes=19, # 分割前景的种类数目。 通常情况下,cityscapes 为19,VOC为21,ADE20k 为150
norm_cfg=norm_cfg, # 归一化层的配置项
align_corners=False, # 解码过程中调整大小(resize)的 align_corners 参数
loss_decode=dict( # 辅助头(auxiliary head)里的损失函数的配置项
type='CrossEntropyLoss', # 分割时使用的损失函数的类别
use_sigmoid=False, # 分割时是否使用 sigmoid 激活
loss_weight=0.4)), # 辅助头损失的权重,默认设置为0.4
# 模型训练和测试设置项
train_cfg=dict(), # train_cfg 当前仅是一个占位符
test_cfg=dict(mode='whole')) # 测试模式,可选参数为 'whole' 和 'slide'. 'whole': 在整张图像上全卷积(fully-convolutional)测试。 'slide': 在输入图像上做滑窗预测
_base_/datasets/cityscapes.py是数据集的基本配置文件。
# 数据集设置
dataset_type = 'CityscapesDataset' # 数据集类型,这将被用来定义数据集
data_root = 'data/cityscapes/' # 数据的根路径
crop_size = (512, 1024) # 训练时的裁剪大小
train_pipeline = [ # 训练流程
dict(type='LoadImageFromFile'), # 第1个流程,从文件路径里加载图像
dict(type='LoadAnnotations'), # 第2个流程,对于当前图像,加载它的标注图像
dict(type='RandomResize', # 调整输入图像大小(resize)和其标注图像的数据增广流程
scale=(2048, 1024), # 图像裁剪的大小
ratio_range=(0.5, 2.0), # 数据增广的比例范围
keep_ratio=True), # 调整图像大小时是否保持纵横比
dict(type='RandomCrop', # 随机裁剪当前图像和其标注图像的数据增广流程
crop_size=crop_size, # 随机裁剪的大小
cat_max_ratio=0.75), # 单个类别可以填充的最大区域的比
dict(type='RandomFlip', # 翻转图像和其标注图像的数据增广流程
prob=0.5), # 翻转图像的概率
dict(type='PhotoMetricDistortion'), # 光学上使用一些方法扭曲当前图像和其标注图像的数据增广流程
dict(type='PackSegInputs') # 打包用于语义分割的输入数据
]
test_pipeline = [
dict(type='LoadImageFromFile'), # 第1个流程,从文件路径里加载图像
dict(type='Resize', # 使用调整图像大小(resize)增强
scale=(2048, 1024), # 图像缩放的大小
keep_ratio=True), # 在调整图像大小时是否保留长宽比
# 在' Resize '之后添加标注图像
# 不需要做调整图像大小(resize)的数据变换
dict(type='LoadAnnotations'), # 加载数据集提供的语义分割标注
dict(type='PackSegInputs') # 打包用于语义分割的输入数据
]
train_dataloader = dict( # 训练数据加载器(dataloader)的配置
batch_size=2, # 每一个GPU的batch size大小
num_workers=2, # 为每一个GPU预读取数据的进程个数
persistent_workers=True, # 在一个epoch结束后关闭worker进程,可以加快训练速度
sampler=dict(type='InfiniteSampler', shuffle=True), # 训练时进行随机洗牌(shuffle)
dataset=dict( # 训练数据集配置
type=dataset_type, # 数据集类型,详见mmseg/datassets/
data_root=data_root, # 数据集的根目录
data_prefix=dict(
img_path='leftImg8bit/train', seg_map_path='gtFine/train'), # 训练数据的前缀
pipeline=train_pipeline)) # 数据处理流程,它通过之前创建的train_pipeline传递。
val_dataloader = dict(
batch_size=1, # 每一个GPU的batch size大小
num_workers=4, # 为每一个GPU预读取数据的进程个数
persistent_workers=True, # 在一个epoch结束后关闭worker进程,可以加快训练速度
sampler=dict(type='DefaultSampler', shuffle=False), # 训练时不进行随机洗牌(shuffle)
dataset=dict( # 测试数据集配置
type=dataset_type, # 数据集类型,详见mmseg/datassets/
data_root=data_root, # 数据集的根目录
data_prefix=dict(
img_path='leftImg8bit/val', seg_map_path='gtFine/val'), # 测试数据的前缀
pipeline=test_pipeline)) # 数据处理流程,它通过之前创建的test_pipeline传递。
test_dataloader = val_dataloader
# 精度评估方法,我们在这里使用 IoUMetric 进行评估
val_evaluator = dict(type='IoUMetric', iou_metrics=['mIoU'])
test_evaluator = val_evaluator
_base_/schedules/schedule_40k.py
# optimizer
optimizer = dict(type='SGD', # 优化器种类,更多细节可参考 https://github.com/open-mmlab/mmengine/blob/main/mmengine/optim/optimizer/default_constructor.py
lr=0.01, # 优化器的学习率,参数的使用细节请参照对应的 PyTorch 文档
momentum=0.9, # 动量大小 (Momentum)
weight_decay=0.0005) # SGD 的权重衰减 (weight decay)
optim_wrapper = dict(type='OptimWrapper', # 优化器包装器(Optimizer wrapper)为更新参数提供了一个公共接口
optimizer=optimizer, # 用于更新模型参数的优化器(Optimizer)
clip_grad=None) # 如果 'clip_grad' 不是None,它将是 ' torch.nn.utils.clip_grad' 的参数。
# 学习策略
param_scheduler = [
dict(
type='PolyLR', # 调度流程的策略,同样支持 Step, CosineAnnealing, Cyclic 等. 请从 https://github.com/open-mmlab/mmengine/blob/main/mmengine/optim/scheduler/lr_scheduler.py 参考 LrUpdater 的细节
eta_min=1e-4, # 训练结束时的最小学习率
power=0.9, # 多项式衰减 (polynomial decay) 的幂
begin=0, # 开始更新参数的时间步(step)
end=40000, # 停止更新参数的时间步(step)
by_epoch=False) # 是否按照 epoch 计算训练时间
]
# 40k iteration 的训练计划
train_cfg = dict(type='IterBasedTrainLoop', max_iters=40000, val_interval=4000)
val_cfg = dict(type='ValLoop')
test_cfg = dict(type='TestLoop')
# 默认钩子(hook)配置
default_hooks = dict(
timer=dict(type='IterTimerHook'), # 记录迭代过程中花费的时间
logger=dict(type='LoggerHook', interval=50, log_metric_by_epoch=False), # 从'Runner'的不同组件收集和写入日志
param_scheduler=dict(type='ParamSchedulerHook'), # 更新优化器中的一些超参数,例如学习率
checkpoint=dict(type='CheckpointHook', by_epoch=False, interval=4000), # 定期保存检查点(checkpoint)
sampler_seed=dict(type='DistSamplerSeedHook')) # 用于分布式训练的数据加载采样器
_base_/default_runtime.py
# 将注册表的默认范围设置为mmseg
default_scope = 'mmseg'
# environment
env_cfg = dict(
cudnn_benchmark=True,
mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0),
dist_cfg=dict(backend='nccl'),
)
log_level = 'INFO'
log_processor = dict(by_epoch=False)
load_from = None # 从文件中加载检查点(checkpoint)
resume = False # 是否从已有的模型恢复
数据集下载
使用预训练模型就行推理
推理器
在 MMSegmentation 中,提供了最方便的方式 MMSegInferencer 来使用模型。只需 3 行代码就可以获得图像的分割掩膜。
基本使用
以下示例展示了如何使用 MMSegInferencer 对单个图像执行推理。
>>> from mmseg.apis import MMSegInferencer
>>> # 将模型加载到内存中
>>> inferencer = MMSegInferencer(model='deeplabv3plus_r18-d8_4xb2-80k_cityscapes-512x1024')
>>> # 推理
>>> inferencer('demo/demo.png', show=True)
此外,可以使用 MMSegInferencer 来处理一个包含多张图片的 list:
# 输入一个图片 list
>>> images = [image1, image2, ...] # image1 可以是文件路径或 np.ndarray
>>> inferencer(images, show=True, wait_time=0.5) # wait_time 是延迟时间,0 表示无限
# 或输入图像目录
>>> images = $IMAGESDIR
>>> inferencer(images, show=True, wait_time=0.5)
# 保存可视化渲染彩色分割图和预测结果
# out_dir 是保存输出结果的目录,img_out_dir 和 pred_out_dir 为 out_dir 的子目录
# 以保存可视化渲染彩色分割图和预测结果
>>> inferencer(images, out_dir='outputs', img_out_dir='vis', pred_out_dir='pred')
训练与测试
未完。。。继续学习中。。。。