simple faster rcnn pytorch

更快的R-CNN的简单快速实现

1。简介

[更新：]我将代码进一步简化为Pytorch 1.5，Torchvision 0.6，然后用Torchvision替换自定义的OPS Roipool和NMS。如果您需要旧版本代码，请签出分支V1.0

该项目是基于ChainERCV和其他项目的简化速度更快的R-CNN实现。我希望它可以作为想要了解更快R-CNN细节的人的开始代码。它的目的是：

• 简化代码（简单比复杂更好）
• 使代码更直接（平面比嵌套更好）
• 匹配原始纸报道的性能（速度计数和地图事项）

它具有以下功能：

• 它可以作为纯Python代码运行，不再是构建事务。
• 在2000年左右的有效代码中，这是一个最小的实现，并提供了很多评论和说明。（感谢ChainERCV的出色文档）
• 它获得的地图高于原始实施（0.712 vs 0.699）
• 它与其他实现（6fps和14fps for Train和Titan XP中的测试）达到可比性的速度可比性
• 它的记忆效率（VGG16约为3GB）

2。性能

2.1地图

VGG16 trainval上的火车和test拆分测试。

注意：培训表现出极大的随机性，您可能需要一些运气和更多的培训时期才能达到最高地图。但是，它应该很容易超过下限。

执行	地图
起源纸	0.699
用咖啡馆预算的模型训练	0.700-0.712
用火炬训练的训练模型	0.685-0.701
从ChainERCV转换的模型（报道0.706）	0.7053

2.2速度

执行	GPU	推理	火车
起源纸	K40	5 fps	na
这个[1]	泰坦XP	14-15 fps	6 fps
pytorch-faster-rcnn	泰坦XP	15-17fps	6fps

[1]：确保您正确安装CUPY，并且在GPU上仅运行一个程序。训练速度对您的GPU状态很敏感。有关更多信息，请参见故障排除。此外，它在程序开始时很慢 - 它需要时间进行热身。

通过删除可视化，记录，平均损失等，可能会更快。

3。安装依赖项

这是用anaconda从头开始创建环境的示例

 # create conda env
conda create --name simp python=3.7
conda activate simp
# install pytorch
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

# install other dependancy
pip install visdom scikit-image tqdm fire ipdb pprint matplotlib torchnet

# start visdom
nohup python -m visdom.server &

如果您不使用Anaconda，则：

• 使用GPU安装Pytorch（代码仅GPU），请参阅官方网站

• 安装其他依赖关系： pip install visdom scikit-image tqdm fire ipdb pprint matplotlib torchnet

• 开始视觉以进行可视化

nohup python -m visdom.server & 

4。演示

从Google Drive或Baidu NetDisk（PASSWD：SCXN）下载验证的模型

有关更多详细信息，请参见Demo.ipynb。

5。火车

5.1准备数据

Pascal VOC2007

1. 下载培训，验证，测试数据和VOCDEVKIT

   wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
   wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
   wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

2. 将所有这些焦油提取到一个名为VOCdevkit的目录中

   tar xvf VOCtrainval_06-Nov-2007.tar
   tar xvf VOCtest_06-Nov-2007.tar
   tar xvf VOCdevkit_08-Jun-2007.tar

3. 它应该具有这种基本结构

    $VOCdevkit /                           # development kit
   $VOCdevkit /VOCcode/                   # VOC utility code
   $VOCdevkit /VOC2007                    # image sets, annotations, etc.
   # ... and several other directories ...

4. 修改utils/config.py中的voc_data_dir CFG项目，或使用诸如--voc-data-dir=/path/to/VOCdevkit/VOC2007/参数传递给程序。

5.2 [可选]准备Caffe预言的VGG16

如果您想将CAFFE-PRORTRAIN模型用作初始权重，则可以在下面运行以从Caffe转换为VGG16权重，这与原始纸张的使用相同。

python misc/convert_caffe_pretrain.py

该脚本将下载验证的模型，并将其转换为与Torchvision兼容的格式。如果您在中国并且无法下载验证码模型，则可以参考此问题

然后，您可以通过设置caffe_pretrain_path来指定caffe-pretraind模型vgg16_caffe.pth存储在utils/config.py中的位置。默认路径还可以。

如果您想使用Torchvision预算的模型，则可以跳过此步骤。

注意，咖啡馆预算的模型显示出略有更好的性能。

注意：CAFFE模型需要BGR 0-255中的图像，而Torchvision模型则需要RGB和0-1中的图像。有关更多详细信息，请参见data/dataset.py 。

5.3开始训练

python train.py train --env= ' fasterrcnn ' --plot-every=100

您可以参考utils/config.py以获取更多参数。

一些关键论点：

• --caffe-pretrain=False ：使用Caffe或Torchvision的预处理模型（默认：Torchvison）
• --plot-every=n ：可视化预测，损失等n批次。
• --env ：可视化的vivdom env
• --voc_data_dir ：存储VOC数据的位置
• --use-drop ：在ROI头中使用辍学，默认为false
• --use-Adam ：使用ADAM代替SGD，默认SGD。 （您需要为亚当设置非常低的lr ）
• --load-path ：验证的模型路径，默认值None ，如果指定，则将加载。

您可以打开浏览器，请访问http://<ip>:8097 ，请参见以下培训过程的可视化：

故障排除

• 数据加载器： received 0 items of ancdata

  参见讨论，它是在train.py中固定的。因此，我认为您没有这个问题。

• Windows支持

  我没有带有GPU的Windows Machine进行调试和测试。不客气，如果有人可以提出请求并进行测试。

致谢

这项工作以许多出色的作品为基础，其中包括：

• Niitani的ChainERCV（主要是）
• 鲁ian luo的pytorch-faster-rcnn基于Xinlei Chen的TF-faster-rcnn
• Yanwei Yang和Jiasen Lu的更快rcnn.pytorch。
• 上述所有存储库都直接或间接地提到了罗斯·吉尔希克（Ross Girshick）和肖恩·贝尔（Sean Bell）的py-faster-rcnn。

^_^

根据MIT许可，请参阅许可证以获取更多详细信息。

欢迎捐款。

如果您遇到任何问题，请随时打开一个问题，但最近太忙了。

如果有任何错误或不清楚的情况，请纠正我。

模型结构