Pyramidbox for PyTorch

• 训练环境

概述

简述

Pyramidbox提出一种基于anchor的环境辅助方法PyramidAnchors，从而引入有监督的信息来为较小的、模糊的和部分遮挡的目标学习环境特征，并设计了LFPN，Context-Sensitive的架构，更好地融合环境特征和目标特征，从融合特征中更好处理不同尺度的目标。

• 参考实现：

  url=https://github.com/yxlijun/Pyramidbox.pytorch
  commit_id=76cf3558ef09bf27df15d960f478b7e5b4a6a673
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/cv/detection
  

训练环境

环境

• 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.5	torchvision==0.2.2.post3；pillow==8.4.0
  PyTorch 1.8	torchvision==0.9.1；pillow==9.1.0

• 环境 指导。

  请参考《Pytorch框架训练环境 》。

• 安装依赖。

  在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。

  pip install -r 1.5_requirements.txt  # PyTorch1.5版本
  pip install -r 1.8_requirements.txt  # PyTorch1.8版本
  

  说明: 只需执行一条对应的PyTorch版本依赖安装命令。

数据集

1. 获取数据集。

   用户自行获取原始数据集，可选用的开源数据集包括WIDER_FACE等， 在项目根目录下创建WIDER_FACE目录，存放数据集。

    # $Pyramidbox 是项目根目录
    $Pyramidbox/WIDER_FACE
   

   以WIDER_FACE数据集为例，数据集目录结构参考如下所示。

    |-WIDER_FACE
    	|-wider_face_split
    		|-wider_face_test.mat
    		|-wider_face_test_filelist.txt
    		|-wider_face_train.mat
    		|-wider_face_train_bbx_gt.txt
    		|-wider_face_val.mat
    		|-wider_face_val_bbx_gt.txt
    	|-WIDER_train
    		|-images
    			|-0--Parade
    			|-1--Handshaking
    			...
    	|-WIDER_val
    		|-images
    			|-0--Parade
    			|-1--Handshaking
    			...
   

   说明： 该数据集的训练过程脚本只作为一种参考示例。

2. 数据预处理。

   运行prepare_wider_data.py：

   python prepare_wider_data.py --data_path='数据集路径'
   

获取预训练模型

参照原代码仓README下载vgg权重，放在weights目录下。

  |-Pyramidbox
    |-weights
      |-vgg16_reducedfc.pth

开始训练

训练模型

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称}
   

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     bash ./test/train_performance_1p.sh --data_path=/data/xxx/  # 单卡性能
     

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path=/data/xxx/  # 8卡精度
     
     bash ./test/train_performance_8p.sh --data_path=/data/xxx/  # 8卡性能
     

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --batch-size                        //训练批次大小
   --performance                       //是否执行性能模式
   --lr                                //初始学习率
   多卡训练参数：
   --multinpu                          //是否使用多卡训练
   --world_size                        //训练卡数量
   --device-list '0,1,2,3,4,5,6,7'     //多卡训练指定训练用卡
   

   训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 2 训练结果展示表

NAME	AP	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	-	1	-	1.5
8p-竞品V	x	-	100	-	1.5
1p-NPU	-	-	1	O2	1.8
8p-NPU	Easy: 0.9519612346942784;Medium: 0.9446576258551937;Hard: 0.9053749943031708	xxx	100	O2	1.8

版本说明

变更

2020.10.14：更新内容，重新发布。

2020.07.08：首次发布。

FAQ

无。

公网地址说明

代码涉及公网地址参考 public_address_statement.md