Press "Enter" to skip to content

机器学习算法如何轻松上手物体检测和分割?从detectron2开始

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

机器学习算法工程师

 

物体检测和分割应该算是计算机视觉中常用的而且也比较酷的任务。但相比图像分类,物体检测和分割任务难度更大,另外一点是就是代码实现也更复杂。对于物体检测和分割,目前有以下几个通用的开源项目:

 

Detectron:FAIR出品,基于caffe2;

 

maskrcnn-benchmark:FAIR出品,基于PyTorch,可以看成Detectron的PyTorch升级版;

 

MMDetection:商汤MMLab出品,基于PyTorch,Model zoo相当完备;

 

SimpleDet:图森出品,基于MxNet;

 

Tensorflow Object Detection:Google出品,基于TensorFlow 1.x;

 

每个开源项目都包含了R-CNN系列(Faster R-CNN和Mask R-CNN等)的实现,当然大家都有自己独特的优势,这里不做讨论。今天要介绍的FAIR新出品的detectron2,这个新的项目是maskrcnn-benchmark的替代者,detectron2的优势主要体现在以下三点:

 

R-CNN系列最强实现,毕竟R-CNN系列大佬在FAIR,另外也支持新的特性,如全景分割(panoptic segmentation)和旋转框(rotated bounding boxes);

 

高度模块化,扩展性好,具体讲detectron2可以看成一个基础库,当实现新的模型时是去import而不是modify;

 

训练速度更快(目前mmdetV2.0速度已经和detectron2相当)

 

image.png-53.9kB
虽然detectron2的model zoo并不如MMDetection,但是这符合detectron2的设计理念,只把最核心和通用的放在框架中,其它的定制化项目只需要依赖它就好,这点可以看一下detectron2下的projects。

 

这篇文章算是简单的入门介绍,这里会介绍detectron背后的一些主要逻辑,也包括官方的一个实例。
detectron2的安装
detectron2的安装是非常简单的,也没有太多坑,直接参考官方安装说明即可。首先安装1.3+版本的PyTorch和对应的torchvision:
pip install -U torch==1.5 torchvision==0.6

 

然后安装cpython和pycocotools:
pip install cython; pip install -U ‘git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI’

 

然后直接从source安装最新的detectron2就可以,注意需要gcc & g++ >=5:
python -m pip install ‘git+https://github.com/facebookresearch/detectron2.git’

 

detectron2总览
要整体了解detectron2,可以直接看一下engine里的DefaultTrainer,这里贴一下其核心部分:
model = self.build_model(cfg)  # 模型构建
optimizer = self.build_optimizer(cfg, model) # 优化器构建
data_loader = self.build_train_loader(cfg) # 训练dataloader

 

# For training, wrap with DDP. But don’t need this for inference.         if comm.get_world_size() > 1:             model = DistributedDataParallel(                 model, device_ids=[comm.get_local_rank()], broadcast_buffers=False             )         super(). init
(model, data_loader, optimizer)

 

self.scheduler = self.build_lr_scheduler(cfg, optimizer) # 学习速率调度器                  # checkpointer,用于模型保存         # Assume no other objects need to be checkpointed.         # We can later make it checkpoint the stateful hooks         self.checkpointer = DetectionCheckpointer(             # Assume you want to save checkpoints together with logs/statistics             model,             cfg.OUTPUT_DIR,             optimizer=optimizer,             scheduler=self.scheduler,         )         self.start_iter = 0         self.max_iter = cfg.SOLVER.MAX_ITER         self.cfg = cfg                  # hook注册,hook主要用于实现一些回调,和keras里的callbacks很类似         self.register_hooks(self.build_hooks())

 

首先说一下detectron2的参数配置是基于yaml和yacs,整个代码中会有一个全局变量cfg,这样的好处是代码比较整洁,而且我们通过配置文件可以很方便地修改所有参数配置。
模型的构建接口就是build_model,这一部分的实现在modeling子模块,在detectron2中,当要加入一个model,就需要注册一个meta_arch(注册指的是在model zoo中加入模型,背后就是维护一个模型字典),比如加入RetinaNet模型:

 

@META_ARCH_REGISTRY.register()
class RetinaNet(nn.Module):
pass

 

子模块solver包含了build_optimizer和build_lr_scheduler的实现,目前框架里的optimizer是momentum SGD,而lr调度器有两个:WarmupMultiStepLR和WarmupCosineLR,这是最常用的两种lr调度方式:

 

数据集构建以及dataloader的实现包含在data子模块中,这里面也包含了常用的transform。目前detectron2包含了常用的物体检测和分割数据集,如VOC和COCO,下面可以查看支持的数据集:
from detectron2.data import MetadataCatalog
MetadataCatalog.list()

 

不过想使用这些数据集,还需要下载并按结构要求配置,具体可以参考文档。 detectron2也是采用hook来实现一些训练时的控制逻辑,比如模型保存,学习速率调节;hook和keras的callback很类似。 除了上面这些,detectron2的一个重要子模块是structures子模块,这里面主要包含检测和分割常用的基础结构,如box,instance以及mask等等,这些组件是通用的。 自定义数据集 一个通用的框架必然要支持自定义数据集,在detectron2中你可以很容易新增自己的数据集:只需要按照数据格式提供图片路径以及标注就可以,然后注册数据集的元信息。detectron2通过下面的方式去注册数据集: def get_dicts():   …   return list[dict]

 

from detectron2.data import DatasetCatalog
DatasetCatalog.register(“my_dataset”, get_dicts)

 

上面一个dict就是一个图像以及标注,要按照标注格式提供,主要包含以下几个字段(详细可参考Standard Dataset Dicts):

 

file_name:图片所在的绝对路径;

 

height, width:图片的长和宽;

 

image_id (str or int):图片唯一id;

 

annotations (list[dict]):每个dict就是一个instance的标注信息,如box和mask;

 

对于instance,主要需要包含以下几个字段:

 

bbox (list[float]):物体标注框,4个浮点数,要不然是xyxy,或是xywh;

 

bbox_mode (int):bbox的格式,BoxMode.XYXY_ABS或者BoxMode.XYWH_ABS;

 

category_id (int): 类别标签,在[0, num_categories)范围内的整数,一般情况下detectron2会把num_categories这个数设置为背景类;

 

segmentation (list[list[float]] or dict):实例分割所需要的mask标注,如果是If list[list[float]], 那就是一系列多边形点集,如果是dict, 那就是COCO’s RLE 格式的像素级分割mask;

 

如果你的数据格式是COCO格式,那幺实际上是可以通过detectron2的内置函数快速注册:
from detectron2.data.datasets import register_coco_instances
register_coco_instances(“my_dataset_train”, {}, “json_annotation_train.json”, “path/to/image/dir”)
register_coco_instances(“my_dataset_val”, {}, “json_annotation_val.json”, “path/to/image/dir”)

 

当然我们也可以按照上述格式要求自己实现,这里以balloon实例分割数据集为例,这个只有balloon一个类别,具体实现如下:
from detectron2.structures import BoxMode

 

def get_balloon_dicts(img_dir):
json_file = os.path.join(img_dir, “via_region_data.json”)
with open(json_file) as f:
imgs_anns = json.load(f)

 

dataset_dicts = []     for idx, v in enumerate(imgs_anns.values()):         record = {}                  filename = os.path.join(img_dir, v[“filename”])         height, width = cv2.imread(filename).shape[:2]                  record[“file_name”] = filename         record[“image_id”] = idx         record[“height”] = height         record[“width”] = width                annos = v[“regions”]         objs = []         for _, anno in annos.items():             assert not anno[“region_attributes”]             anno = anno[“shape_attributes”]             px = anno[“all_points_x”]             py = anno[“all_points_y”]             poly = [(x + 0.5, y + 0.5) for x, y in zip(px, py)]             poly = [p for x in poly for p in x] # 这里分割mask用多边形点集表示

 

obj = {                 “bbox”: [np.min(px), np.min(py), np.max(px), np.max(py)],                 “bbox_mode”: BoxMode.XYXY_ABS,                 “segmentation”: [poly],                 “category_id”: 0,                 “iscrowd”: 0             }             objs.append(obj)         record[“annotations”] = objs         dataset_dicts.append(record)     return dataset_dicts

 

from detectron2.data import DatasetCatalog, MetadataCatalog
for d in [“train”, “val”]:
# 注册数据集
DatasetCatalog.register(“balloon_” + d, lambda d=d: get_balloon_dicts(“balloon/” + d))
# 数据集添加元信息,主要是类别名,用于可视化
MetadataCatalog.get(“balloon_” + d).set(thing_classes=[“balloon”])
# 添加数据集评估指标,采用coco评测准则
MetadataCatalog.get(“balloon_” + d).evaluator_type = “coco”
balloon_metadata = MetadataCatalog.get(“balloon_train”)

 

这里一共添加了两个数据集:balloon_train和balloon_val,分别用于训练和验证。借助detectron2中的可视化工具,可以可视化数据集中样本:
dataset_dicts = get_balloon_dicts(“balloon/train”)
for d in random.sample(dataset_dicts, 1):
img = cv2.imread(d[“file_name”])
visualizer = Visualizer(img[:, :, ::-1], metadata=balloon_metadata, scale=0.5)
vis = visualizer.draw_dataset_dict(d)
cv2_imshow(vis.get_image()[:, :, ::-1])

 

 

自定义Dataloader
一旦添加了数据集,我们可以采用detectron2的默认dataloader来实现数据加载,detectron2.data模块中包含了build_detection_train_loader和build_detection_test_loader两个方法来分别加载训练和测试数据集。下面是构建训练数据的dataloader:
from detectron2.engine import DefaultTrainer
from detectron2.config import get_cfg
from detectron2.data import build_detection_train_loader
cfg = get_cfg()
# 这里用COCO数据集的mask rcnn R50_FPN模型参数
cfg.merge_from_file(model_zoo.get_config_file(“COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml”))
cfg.DATASETS.TRAIN = (“balloon_train”,)

 

train_loader = build_detection_train_loader(cfg, mapper=None)

 

## 以下是打印信息,会输出关于数据集的基本统计信息,以及dataloader所采用的数据处理方式以及抽样方法
[04/20 15:26:26 d2.data.build]: Removed 0 images with no usable annotations. 61 images left.
[04/20 15:26:26 d2.data.build]: Distribution of instances among all 1 categories:
|  category  | #instances   |
|:———-:|:————-|
|  balloon   | 255          |
|            |              |
[04/20 15:26:26 d2.data.common]: Serializing 61 elements to byte tensors and concatenating them all …
[04/20 15:26:26 d2.data.common]: Serialized dataset takes 0.17 MiB
[04/20 15:26:26 d2.data.detection_utils]: TransformGens used in training: [ResizeShortestEdge(short_edge_length=(640, 672, 704, 736, 768, 800), max_size=1333, sample_style=’choice’), RandomFlip()]
[04/20 15:26:26 d2.data.build]: Using training sampler TrainingSampler

 

更进一步地,你可以看一下dataloader加载的batch数据格式:
for batch_data in train_loader:
print(batch_data[0])
break

 

file_name’: ‘balloon/train/4543126482_92254ef046_b.jpg’, ‘image_id’: 34, ‘height’: 1024, ‘width’: 679, ‘image’: $tensor, instances’: Instances(num_instances=11, image_height=1062, image_width=704, fields=[gt_boxes: Boxes(tensor([[111., 352., 204., 456.], gt_boxes, gt_classes, gt_masks

 

这个输出格式正是模型输入所要求的格式,后面会细讲。
其实对于dataloader我们更关注的是数据的预处理和数据增强,detectron2在这方面支持性非常好,你只需要自定义DatasetMapper就好,然后送入build_loader的mapper字段,下面是一个mapper例子:
from detectron2.data import build_detection_train_loader
from detectron2.data import transforms as T
from detectron2.data import detection_utils as utils

 

def mapper(dataset_dict):
# 自定义mapper
dataset_dict = copy.deepcopy(dataset_dict)  # 后面要改变这个dict,所以先复制
image = utils.read_image(dataset_dict[“file_name”], format=”BGR”)  # 读取图片,numpy array
image, transforms = T.apply_transform_gens([T.Resize((800, 800))], image)  # 数组增强
dataset_dict[“image”] = torch.as_tensor(image.transpose(2, 0, 1).astype(“float32”)) # 转成Tensor

 

annos = [   utils.transform_instance_annotations(obj, transforms, image.shape[:2])   for obj in dataset_dict.pop(“annotations”)   if obj.get(“iscrowd”, 0) == 0  ] # 数据增强要同步标注  instances = utils.annotations_to_instances(annos, image.shape[:2])  # 将标注转成Instance(Tensor)  dataset_dict[“instances”] = utils.filter_empty_instances(instances)  # 去除空的  return dataset_dict

 

data_loader = build_detection_train_loader(cfg, mapper=mapper)
# 构建dataloader时送入mapper

 

其实mapper简单来说就是将前面dataset中的原始dict转换成特定格式的输出,作为模型的输入。这个过程可以进行一定的数组增强,由于操作的numpy数组,所以你也可以用很多的数据增强库来处理。注意的是一点是如果你构建dataloader时没有送入mapper,那幺会采用默认的mapper,具体见dataset_mapper,所以采用默认的mapper时候要确认一下这个mapper是否符合自己的数据集。另外一点是,detectron2对image的normalize是在Model中完成的,所以mapper中只需要转成float32的Tensor就可以。
如果你需要检查自己的dataloader是否符合预期,可以使用tools/visualize_data.py这个脚本对加载的数据进行可视化,这算是一个不错的debug工具。
Model使用和创建
模型是目标检测和分割最核心的部分,detectron2的模型也是模块的,主要包括4个核心的部分:

 

backbone:模型的CNN特征提取器,目前只支持resnet,另外一点是detectron2也把FPN作为backbone的一部分;

 

proposal_generator:候选框生成器,目前只支持RPN,一般用于faster R-CNN的一部分,其实RPN单拿出来也是一个简单的one-stage检测模型;

 

roi_heads:faster R-CNN系列的detector,包括ROIPooler,box_head,mask_head等,其中ROIPooler就是指的ROIPool和ROIAlign方法;

 

meta_arch:定义最终的模型,不能说是一个单独的模块,应该要集成backbone,proposal_generator和roi_heads构建最终模型。

 

模块的话好处是可以复用模块来进行组合,比如你可以组合backbone,proposal_generator和roi_heads来构建不同的模型。由于detectron2官方只是支持RCNN模型,所以实现的模块可能不够通用。YOLOv4中给出了更加通用的模块划分:

 

这个划分更加通用化,主流的检测模型都囊括其中。目前mmdetection框架是按照类似的模块划分来设计的,所以支持更多的模型。
前面已经提过,模型构建是用统一的接口:
from detectron2.modeling import build_model
model = build_model(cfg)  # 得到的是一个torch.nn.Module

 

不论是使用模型还是要自定义模型,必须要了解detectron2中的模型的输入和输出格式。模型的输入是一个list[dict],每个dict是一个样本的图像以及标注信息,具体如下:

 

“image”: (C, H, W)格式的Tensor,cfg.INPUT.FORMAT决定图像的channel格式,默认是BGR格式,模型侧会采用cfg.MODEL.PIXEL_{MEAN,STD}对image进行归一化;

 

“instances”: Instances实例,包括这些字段:gt_boxes,gt_classes,gt_masks,gt_keypoints,不同的模型需求不一样;

 

“proposals”:Instances实例,RPN产生的结果,用于Faster R-CNN等模型输入,包括proposal_boxes和objectness_logits字段;

 

“height”, “width”:模型最终输出时的图像大小,不一定和image的size一致,比如你做了resize,但是模型最终可以还原到原来的大小;

 

“sem_seg”: (H, W)格式的Tensor,用于语义分割GT,类别从0开始(其实detectron是支持分割的,这是一个亮点);

 

模型的输入主要包块上述所示的字段,但是根据模型的不同,所需要的字段也有变化。前面说过mapper的输出是作为模型的输入,所以mapper的输出格式也要满足上述要求,在dataloader部分已经给出了实例分割的case。
模型在训练时输出的是dict[str->ScalarTensor],即各个部分的loss用于模型训练,重点是测试的输出格式,模型输出也是一个list[dict],每个image对应一个dict:

 

“instances”: Instances实例,包括:pred_boxes, scores, pred_classes,pred_masks,pred_keypoints,也是模型不同包含字段有不同;

 

“sem_seg”: (num_categories, H, W)格式的Tensor,语义分割预测结果;

 

“proposals”:Instances实例,包括:proposal_boxes和objectness_logits,RPN的输出;

 

“panoptic_seg”: (Tensor, list[dict]),全景分割结果;

 

同样地,不同类型的模型其输出字段也是不同的,如实例分割的输出格式如下:
{‘instances’: Instances(num_instances=15, image_height=480, image_width=640, fields=[pred_boxes: Boxes(tensor), scores: tensor, pred_classes: tensor, pred_masks: tensor])}

 

更进一步地,我们有时候需要自定义新的模型,这就要利用前面所说的detectron2注册机制。由于detectron2是模块化设计的,你也可以自定义模型的某一个模块,比如你想实现一个新的backbone,那幺简单的case如下:
from detectron2.modeling import BACKBONE_REGISTRY, Backbone, ShapeSpec

 

## 注册backbone @BACKBONE_REGISTRY.register() class ToyBackBone(Backbone):   def init
(self, cfg, input_shape):
super(). init
()
# create your own backbone
self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=16, padding=3)

 

# 输出格式是dict,这是detectron2的约定格式,与后面的detector相适应   def forward(self, image):     return {“conv1”: self.conv1(image)}

 

# 这个方法是必须的,因为detector的head需要backbone的输出channel   def output_shape(self):     return {“conv1”: ShapeSpec(channels=64, stride=16)}

 

使用这个新的backbone,只需要在配置文件中修改cfg.MODEL.BACKBONE.NAME = ‘ToyBackBone’,那幺build_model(cfg)得到的模型将使用这个新的backbone。一个要注意的点是,自定义创建的backbone要符合一定规范,这方面可以参考mobilenetv2和vovnet这两个backbone的自定义创建。
其实要学习如何创建自己的模型,一方面首先要掌握的detectron2中核心模型的实现,另外一方面detectron2下的projects也提供了很多优质的模型供参考学习。
模型训练和评测
我们只需要用engine里的DefaultTrainer就可以进行完成训练。前面已经构建了balloon数据集,这里采用mask_rcnn_R_50_FPN模型进行训练,为了加快收敛,使用COCO数据集上训练的模型进行finetune:
from detectron2.engine import DefaultTrainer
from detectron2.config import get_cfg

 

cfg = get_cfg()
cfg.merge_from_file(model_zoo.get_config_file(“COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml”))
cfg.DATASETS.TRAIN = (“balloon_train”,)
cfg.DATASETS.TEST = ()
cfg.DATALOADER.NUM_WORKERS = 2
cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url(“COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml”)  # COCO模型上finetune
cfg.SOLVER.IMS_PER_BATCH = 2
cfg.SOLVER.BASE_LR = 0.00025
cfg.SOLVER.MAX_ITER = 300    # 迭代步数
cfg.MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE = 128
cfg.MODEL.ROI_HEADS.NUM_CLASSES = 1  # 只有一类(ballon)

 

os.makedirs(cfg.OUTPUT_DIR, exist_ok=True)
trainer = DefaultTrainer(cfg)
trainer.resume_or_load(resume=False)
trainer.train()

 

运行之后,将可以看到模型信息,数据集信息,以及训练过程中的log。训练完成后,可以使用DefaultPredictor对图片进行测试:
cfg.MODEL.WEIGHTS = os.path.join(cfg.OUTPUT_DIR, “model_final.pth”)
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.7   # set the testing threshold for this model
cfg.DATASETS.TEST = (“balloon_val”, )
predictor = DefaultPredictor(cfg)

 

from detectron2.utils.visualizer import ColorMode
dataset_dicts = get_balloon_dicts(“balloon/val”)
for d in random.sample(dataset_dicts, 3):
im = cv2.imread(d[“file_name”])
outputs = predictor(im)
v = Visualizer(im[:, :, ::-1],
metadata=balloon_metadata,
scale=0.8,
instance_mode=ColorMode.IMAGE_BW   # remove the colors of unsegmented pixels
)
v = v.draw_instance_predictions(outputs[“instances”].to(“cpu”))
cv2_imshow(v.get_image()[:, :, ::-1])

 

 

如果要对训练好的模型进行评测,就是计算mAP值,
from detectron2.evaluation import COCOEvaluator, inference_on_dataset
from detectron2.data import build_detection_test_loader
evaluator = COCOEvaluator(“balloon_val”, cfg, False, output_dir=”./output/”)
val_loader = build_detection_test_loader(cfg, “balloon_val”)
inference_on_dataset(trainer.model, val_loader, evaluator)

 

|   AP   |  AP50  |  AP75  |  APs  |  APm   |  APl   |
|:——:|:——:|:——:|:—–:|:——:|:——:|
| 77.251 | 85.083 | 84.743 | 5.959 | 60.356 | 93.479 |

 

DefaultTrainer里面已经包含了学习速率策略,日志,模型保存以及评估等配置,所以对于大多数情况,直接使用DefaultTrainer训练自己的模型即可。detectron2中提供了tools/train_net.py对DefaultTrainer进行了简单的包装,我们可以执行下列命令进行训练: ./train_net.py –config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_1x.yaml –num-gpus $N

 

对于配置参数,除了直接修改yaml文件后,你也可以在执行命令时修改配置参数,比如调整学习速率:
./train_net.py –config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_1x.yaml –num-gpus $N SOLVER.BASE_LR 0.0025

 

如果你想自定义某些训练逻辑,就可以按照train_net.py那样重写DefaultTrainer的某些方法,比如你希望使用自定义的mapper进行训练,那幺只需要重写build_train_loader方法:
@classmethod
def build_train_loader(cls, cfg):
return build_detection_train_loader(cfg, mapper=your_mapper)

 

如果你觉得DefaultTrainer满足不了自己的训练需求,更进一步地你可以参考tools/plain_train_net.py实现自己的某些策略。
模型部署
模型部署也是很重要的一环,目前detectron2只支持转化成caffe2,官方提供了转换脚本:tools/deploy/caffe2_converter.py。当然转成ONNX也是可以的,但是并不是所有的op都支持,这个坑就要自己踩了。另外一个很赞的工作是,detectron2作者提供了一种支持转换成TF模型的方法,那就是通过tensorpack FasterRCNN,目前支持Faster R-CNN和Mask R-CNN等模型。
总之,detectron2是一个非常好的目标检测和分割的开源项目,无论是代码质量还是框架灵活性都是上乘。唯一的缺点是就是相比mmdetection,所支持的模型较少,好在可以扩展。

 

facebookresearch/detectron2

 

Detectron2 Beginner’s Tutorial

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注