Detectron2模型训练实战:用自定义数据集训练Mask R-CNN(PyTorch 1.8+环境)

news2026/3/30 3:00:22
Detectron2模型训练实战用自定义数据集训练Mask R-CNNPyTorch 1.8环境1. 环境准备与框架安装在开始训练之前确保你的系统满足以下基本要求操作系统Linux或Windows需额外配置Python版本≥3.7PyTorch版本≥1.8CUDA版本≥10.2推荐11.3GPU显存≥8GB训练Mask R-CNN建议11GB以上1.1 安装PyTorch和依赖项首先安装与CUDA版本匹配的PyTorch# 对于CUDA 11.3 conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorch然后安装其他必要依赖pip install cython opencv-python pyyaml matplotlib tqdm1.2 安装COCO APIDetectron2需要COCO API来处理数据集pip install githttps://github.com/cocodataset/cocoapi.git#subdirectoryPythonAPI1.3 安装Detectron2推荐从源码编译安装以获得最佳兼容性git clone https://github.com/facebookresearch/detectron2.git cd detectron2 pip install -e .注意如果遇到编译错误请确保已安装正确版本的GCC≥5.4和NVCC2. 准备自定义数据集2.1 数据集格式转换Detectron2原生支持COCO格式如果你的数据是VOC或其他格式需要先转换from detectron2.data.datasets import register_coco_instances import json # 创建COCO格式的标注文件 def convert_to_coco(input_annotations, output_file): coco_format { info: {}, licenses: [], categories: [{id: 1, name: your_class}], # 替换为你的类别 images: [], annotations: [] } # 添加转换逻辑... with open(output_file, w) as f: json.dump(coco_format, f) # 注册数据集 register_coco_instances(my_dataset_train, {}, path/to/train.json, path/to/images) register_coco_instances(my_dataset_val, {}, path/to/val.json, path/to/images)2.2 数据集验证加载并可视化数据集以确保格式正确from detectron2.utils.visualizer import Visualizer from detectron2.data import MetadataCatalog dataset_dicts DatasetCatalog.get(my_dataset_train) metadata MetadataCatalog.get(my_dataset_train) for d in random.sample(dataset_dicts, 3): img cv2.imread(d[file_name]) visualizer Visualizer(img[:, :, ::-1], metadatametadata, scale0.5) vis visualizer.draw_dataset_dict(d) cv2.imshow(Sample, vis.get_image()[:, :, ::-1]) cv2.waitKey(0)3. 配置训练参数3.1 基础配置Detectron2使用YAML文件配置模型参数。以下是Mask R-CNN的关键配置项MODEL: META_ARCHITECTURE: GeneralizedRCNN WEIGHTS: detectron2://ImageNetPretrained/MSRA/R-50.pkl # 预训练权重 BACKBONE: NAME: build_resnet_fpn_backbone RESNETS: DEPTH: 50 OUT_FEATURES: [res2, res3, res4, res5] FPN: IN_FEATURES: [res2, res3, res4, res5] ROI_HEADS: NUM_CLASSES: 1 # 你的类别数 ROI_BOX_HEAD: NAME: FastRCNNConvFCHead NUM_FC: 2 POOLER_RESOLUTION: 7 ROI_MASK_HEAD: NAME: MaskRCNNConvUpsampleHead NUM_CONV: 4 POOLER_RESOLUTION: 143.2 训练超参数优化根据硬件条件调整以下关键参数参数推荐值说明SOLVER.BASE_LR0.001-0.01学习率SOLVER.MAX_ITER20000-50000最大迭代次数SOLVER.STEPS(10000, 18000)学习率衰减步长SOLVER.IMS_PER_BATCH2-8每批图像数MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE64-512每图RoI数3.3 数据增强策略在配置文件中添加数据增强INPUT: MIN_SIZE_TRAIN: (640, 672, 704, 736, 768, 800) # 随机缩放 MAX_SIZE_TRAIN: 1333 CROP: ENABLED: True TYPE: absolute SIZE: (512, 512) COLOR_AUG_SSD: True # 颜色扰动4. 训练过程实现4.1 启动训练使用DefaultTrainer进行训练from detectron2.engine import DefaultTrainer from detectron2.config import get_cfg cfg get_cfg() cfg.merge_from_file(path/to/config.yaml) cfg.DATASETS.TRAIN (my_dataset_train,) cfg.DATASETS.TEST (my_dataset_val,) cfg.OUTPUT_DIR output os.makedirs(cfg.OUTPUT_DIR, exist_okTrue) trainer DefaultTrainer(cfg) trainer.resume_or_load(resumeFalse) trainer.train()4.2 自定义训练逻辑如需扩展训练流程可继承DefaultTrainerclass CustomTrainer(DefaultTrainer): classmethod def build_evaluator(cls, cfg, dataset_name): return COCOEvaluator(dataset_name, output_dircfg.OUTPUT_DIR) def build_hooks(self): hooks super().build_hooks() hooks.insert(-1, LossEvalHook( cfg.TEST.EVAL_PERIOD, self.model, build_detection_test_loader( self.cfg, self.cfg.DATASETS.TEST[0], DatasetMapper(self.cfg, False) ) )) return hooks4.3 训练监控Detectron2提供多种监控方式TensorBoard集成tensorboard --logdir output自定义指标记录from detectron2.utils.events import EventStorage with EventStorage() as storage: storage.put_scalar(lr, optimizer.param_groups[0][lr], smoothingFalse) storage.put_image(input, torch.from_numpy(img[:, :, ::-1]))验证集评估from detectron2.evaluation import inference_on_dataset from detectron2.data import build_detection_test_loader evaluator COCOEvaluator(my_dataset_val, cfg, False, output_dir./output) val_loader build_detection_test_loader(cfg, my_dataset_val) print(inference_on_dataset(trainer.model, val_loader, evaluator))5. 模型优化与调参技巧5.1 学习率策略优化针对不同层设置差异化学习率from detectron2.solver import build_optimizer def build_optimizer(cfg, model): params [] for key, value in model.named_parameters(): if backbone in key: params.append({params: value, lr: cfg.SOLVER.BASE_LR * 0.1}) else: params.append({params: value}) return torch.optim.SGD(params, lrcfg.SOLVER.BASE_LR, momentum0.9)5.2 模型架构调整FPN改进方案增加P6/P7特征层FPN: IN_FEATURES: [res2, res3, res4, res5] OUT_CHANNELS: 256 TOP_BLOCK: LastLevelMaxPool使用Deformable ConvolutionRESNETS: DEFORM_ON_PER_STAGE: [False, True, True, True] DEFORM_MODULATED: True5.3 损失函数调优自定义损失权重from detectron2.modeling import ROI_HEADS_REGISTRY ROI_HEADS_REGISTRY.register() class CustomROIHeads(StandardROIHeads): def __init__(self, cfg, input_shape): super().__init__(cfg, input_shape) self.box_predictor.loss_weight {loss_cls: 1.0, loss_box_reg: 2.0} self.mask_head.loss_weight 1.56. 模型部署与推理6.1 模型导出将训练好的模型导出为TorchScript格式from detectron2.export import scripting model trainer.build_model(cfg) scripted_model scripting.export_script_model(model, (320, 320)) torch.jit.save(scripted_model, model_scripted.pt)6.2 高性能推理优化推理流程的关键参数参数推荐值说明MODEL.ROI_HEADS.SCORE_THRESH_TEST0.5-0.7检测置信度阈值MODEL.ROI_HEADS.NMS_THRESH_TEST0.3-0.5NMS重叠阈值INPUT.MIN_SIZE_TEST800输入图像最小尺寸INPUT.MAX_SIZE_TEST1333输入图像最大尺寸6.3 批量推理实现from detectron2.data import DatasetMapper from detectron2.engine import DefaultPredictor predictor DefaultPredictor(cfg) def batch_inference(images): mapper DatasetMapper(cfg, False) inputs [{image: torch.from_numpy(img[:, :, ::-1].astype(float32))} for img in images] with torch.no_grad(): outputs predictor.model(inputs) return outputs7. 常见问题解决方案7.1 训练问题排查内存不足错误减小SOLVER.IMS_PER_BATCH使用梯度累积SOLVER: GRADIENT_ACCUMULATION_STEPS: 2NaN损失检查数据标注降低学习率添加梯度裁剪SOLVER: CLIP_GRADIENTS: ENABLED: True CLIP_VALUE: 1.0 CLIP_TYPE: value7.2 性能优化技巧混合精度训练SOLVER: AMP: ENABLED: True数据加载优化from detectron2.data import build_detection_train_loader from detectron2.data.samplers import RepeatFactorTrainingSampler def build_train_loader(cfg): sampler RepeatFactorTrainingSampler( repeat_factors..., # 设置样本重复因子 shuffleTrue ) return build_detection_train_loader(cfg, samplersampler)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2457885.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…