simple faster rcnn pytorch

更快的R-CNN的簡單快速實現

1。簡介

[更新：]我將代碼進一步簡化為Pytorch 1.5，Torchvision 0.6，然後用Torchvision替換自定義的OPS Roipool和NMS。如果您需要舊版本代碼，請簽出分支V1.0

該項目是基於ChainERCV和其他項目的簡化速度更快的R-CNN實現。我希望它可以作為想要了解更快R-CNN細節的人的開始代碼。它的目的是：

• 簡化代碼（簡單比複雜更好）
• 使代碼更直接（平面比嵌套更好）
• 匹配原始紙報導的性能（速度計數和地圖事項）

它具有以下功能：

• 它可以作為純Python代碼運行，不再是構建事務。
• 在2000年左右的有效代碼中，這是一個最小的實現，並提供了很多評論和說明。 （感謝ChainERCV的出色文檔）
• 它獲得的地圖高於原始實施（0.712 vs 0.699）
• 它與其他實現（6fps和14fps for Train和Titan XP中的測試）達到可比性的速度可比性
• 它的記憶效率（VGG16約為3GB）

2。性能

2.1地圖

VGG16 trainval上的火車和test拆分測試。

注意：培訓表現出極大的隨機性，您可能需要一些運氣和更多的培訓時期才能達到最高地圖。但是，它應該很容易超過下限。

執行	地圖
起源紙	0.699
用咖啡館預算的模型訓練	0.700-0.712
用火炬訓練的訓練模型	0.685-0.701
從ChainERCV轉換的模型（報導0.706）	0.7053

2.2速度

執行	GPU	推理	火車
起源紙	K40	5 fps	na
這個[1]	泰坦XP	14-15 fps	6 fps
pytorch-faster-rcnn	泰坦XP	15-17fps	6fps

[1]：確保您正確安裝CUPY，並且在GPU上僅運行一個程序。訓練速度對您的GPU狀態很敏感。有關更多信息，請參見故障排除。此外，它在程序開始時很慢 - 它需要時間進行熱身。

通過刪除可視化，記錄，平均損失等，可能會更快。

3。安裝依賴項

這是用anaconda從頭開始創建環境的示例

 # 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，則：

• 使用GPU安裝Pytorch（代碼僅GPU），請參閱官方網站

• 安裝其他依賴關係： pip install visdom scikit-image tqdm fire ipdb pprint matplotlib torchnet

• 開始視覺以進行可視化

nohup python -m visdom.server & 

4。演示

從Google Drive或Baidu NetDisk（PASSWD：SCXN）下載驗證的模型

有關更多詳細信息，請參見Demo.ipynb。

5。火車

5.1準備數據

Pascal VOC2007

1. 下載培訓，驗證，測試數據和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. 將所有這些焦油提取到一個名為VOCdevkit的目錄中

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

3. 它應該具有這種基本結構

    $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項目，或使用諸如--voc-data-dir=/path/to/VOCdevkit/VOC2007/參數傳遞給程序。

5.2 [可選]準備Caffe預言的VGG16

如果您想將CAFFE-PRORTRAIN模型用作初始權重，則可以在下面運行以從Caffe轉換為VGG16權重，這與原始紙張的使用相同。

python misc/convert_caffe_pretrain.py

該腳本將下載驗證的模型，並將其轉換為與Torchvision兼容的格式。如果您在中國並且無法下載驗證碼模型，則可以參考此問題

然後，您可以通過設置caffe_pretrain_path來指定caffe-pretraind模型vgg16_caffe.pth存儲在utils/config.py中的位置。默認路徑還可以。

如果您想使用Torchvision預算的模型，則可以跳過此步驟。

注意，咖啡館預算的模型顯示出略有更好的性能。

注意：CAFFE模型需要BGR 0-255中的圖像，而Torchvision模型則需要RGB和0-1中的圖像。有關更多詳細信息，請參見data/dataset.py 。

5.3開始訓練

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

您可以參考utils/config.py以獲取更多參數。

一些關鍵論點：

• --caffe-pretrain=False ：使用Caffe或Torchvision的預處理模型（默認：Torchvison）
• --plot-every=n ：可視化預測，損失等n批次。
• --env ：可視化的vivdom env
• --voc_data_dir ：存儲VOC數據的位置
• --use-drop ：在ROI頭中使用輟學，默認為false
• --use-Adam ：使用ADAM代替SGD，默認SGD。 （您需要為亞當設置非常低的lr ）
• --load-path ：驗證的模型路徑，默認值None ，如果指定，則將加載。

您可以打開瀏覽器，請訪問http://<ip>:8097 ，請參見以下培訓過程的可視化：

故障排除

• 數據加載器： received 0 items of ancdata

  參見討論，它是在train.py中固定的。因此，我認為您沒有這個問題。

• Windows支持

  我沒有帶有GPU的Windows Machine進行調試和測試。不客氣，如果有人可以提出請求並進行測試。

致謝

這項工作以許多出色的作品為基礎，其中包括：

• Niitani的ChainERCV（主要是）
• 魯ian luo的pytorch-faster-rcnn基於Xinlei Chen的TF-faster-rcnn
• Yanwei Yang和Jiasen Lu的更快rcnn.pytorch。
• 上述所有存儲庫都直接或間接地提到了羅斯·吉爾希克（Ross Girshick）和肖恩·貝爾（Sean Bell）的py-faster-rcnn。

^_^

根據MIT許可，請參閱許可證以獲取更多詳細信息。

歡迎捐款。

如果您遇到任何問題，請隨時打開一個問題，但最近太忙了。

如果有任何錯誤或不清楚的情況，請糾正我。

模型結構