Detectron2入门教程

狼啸风云

修改于 2022-09-03 11:06:00

10.6K1

文章被收录于专栏：计算机视觉理论及其实现计算机视觉理论及其实现

0. 前言

目标：走马观花，两天时间浏览Detectron2源码，稍微记录一下。
- 与 TensorFlow Object Detection API、mmdetection 一样，Detectron2 也是通过配置文件来设置各种参数，所有的相关内容都像搭积木一样一点一点拼凑起来。
- 我自己感觉，一般所有代码都可以分为三个部分，所以看Detectron2的源码也分为以下三个部分。
  - 数据处理：包括数据读取、数据增强以及其他数据预处理。
  - 模型构建：没啥好说的。
  - 模型训练、预测、评估：包括模型存取、优化器、学习率、损失函数、性能指标、TensorBoard等。
资料汇总
- Github
- 官方文档（强烈推荐）
- 知乎讨论：如何评价FAIR于2019年10月10日开源的Detectron2目标检测框架？
  - 里面有一些开发人员的说明，值得一看。
- 其他一些个人博客
  - 知乎专栏 - detectron2项目指北
  - 这个知乎专栏中有一系列《Detectron2源码阅读笔记》文章。
本文内容：
- 第一章：概述，分为四个部分：看源码的过程、源码目录结构、注册机制、官方文档的阅读笔记。
- 第二章：数据处理，介绍detectron2中数据处理相关源码的结构、基本运行流程等。
- 第三章：模型搭建，介绍detectron2中模型搭建的基本流程。
- 第四章：模型训练/预测/评估，重点介绍了模型训练相关类的结构以及实现思路。
TODO：基于detectron2中的projects，阅读TensorMask/DensePose/TridentNet论文，并研究源码并训练模型。

1. 概述

1.1. 自己的源码阅读流程

设定目标：
- 刚刚从TF转向PyTorch，所以希望进一步熟悉PyTorch。
- 进一步熟悉目标检测、实例分割、关键点检测等模型。
- 寻找/研究源码中存在的一些tricks。
- 后续需要通过detectron2来复现新论文。
总结自己之前的一些步骤
- 第一步：阅读所有官方文档。
- 第二步：尝试根据 Getting Started 文档内容，运行 demo 中的脚本。
- 第三步：从数据处理、模型构建、模型训练/预测/评估三个方面，分别浏览源码。
个人感受：
- PyTorch代码比TensorFlow代码容易多了。
- Detectron2源码比TensorFlow Object Detection API源码直观多了，上手容易多了。
  - 当然，也可能是因为比较熟悉TensorFlow Object Detection API的源码，所以看Detectron2的就很容易。

1.2. 目录结构

configs：示例配置文件合集。
datasets：数据集准备工作，主要就是各个数据集的基本结构，以及需要如何预处理。
demo：快速体验Detectron2，与Getting Started文档对应。如果想要体验Model ZOO中结果的内容就可以用这个。
detectron2：项目主要代码都在这里了。
dev：一些开发者会用到的脚本。
docker：没啥好介绍的。
docs：一些官方文档。
projects：基于Detectron2的三个项目，DensePose/TensorMask/TridentNet。
- 在知乎里，Detectron2的开发人员介绍，如果想要利用detectron2直接复现所有论文可能比较困难（我的理解就是直接修改detectron2中的代码），一种比较好的方式就是将detectron2作为一个包来调用来构建新的模型。
- 这里的三个项目就是利用detectron2复现模型的示例。
tests：单元测试类。
tools：常用脚本，如训练、benchmark、展示数据集等。

1.3. 搭积木过程

Detectron2 的基本思路就是利用配置文件搭积木。
- 第一步，将模型拆分为多个模块，每个模块可以叫做一个类型的积木。
- 第二步，构建配置文件。
- 第三步，通过配置文件，选择对应的积木。
配置文件概述
- 有一个默认配置文件，即 detectron2/config/default.py 文件。
- 示例配置文件放在 configs 文件夹中，且使用yaml形式。
- 所有示例配置文件都是建立在默认配置文件基础上的，即所有示例配置文件中的配置其实都是不全的，缺失的配置需要到默认配置文件中寻找。
  - 感觉这也是为什么 detectron2 的配置文件比 mmdetection 看起来简洁很多。
  - 有得必有失，虽然简洁，但在看源码的时候经常需要查看默认配置文件，也不是特别方便。
- 示例配置文件中有一个_BASE_属性，可以将其他示例配置文件作为基础，如果有冲突则用当前配置文件的信息覆盖。
如何使用配置文件搭积木
- 模型搭建的Registry机制
  - 调用了 fvcore.common.registry.Registry，该对象的作用是保存一个字典，key为方法/类的名称，value为方法/类，利用 @registry_object.register 修饰目标方法/类，这样可以在导入detectron2的同时将 key/value 保存起来。
  - 对于每一个类型的积木（如backbone, anchor generator, proposal generator, roi head等）都对应一个Registry对象。更多类型可以看 detectron2/modeling/__init__.py 文件。
  - 一般，一个Registry对应一个build.py，主要就是从Registry中通过名称获取方法/类，然后将示例配置文件中参数导入目标方法/类中。
- 数据集的Registry机制
  - 主要使用了 detectron2/data/catalog.py 中的 MetadataCatalog 与 DatasetCatalog，前者保存了数据集的元数据，后者保留了一个方法，该方法用于获取数据集 list(dict)。
  - 使用了Registry机制，但不是通过注解实现的，而是在 detectron2/data/datasets/buildin.py 中调用了 register_all_coco() 等四个方法，这些方法调用了 MetadataCatalog 和 DatasetCatalog的注册方法。
  - 一般建数据集会调用 build_detection_train_loader 方法，该方法会调用DatasetCatalog中的方法，获取 list(dict)。
- 模型训练/预测/评估的的搭积木不复杂，就是根据配置文件，直接创建对应的对象（如lr, optimizer等）。

1.4. 官方文档阅读

官方文档地址，如果想了解Detectron2的源码，强烈建议先看看。
tutorials
- Installation：安装，没啥好说的。
- Getting Started with Detectron2：跑个Demo，没啥好说的。
- Extend Detectron2's Defaults
  - 谈了谈Detectron2的基本设计思路。一方面要有足够的灵活性（做研究总是要做新东西），一方面要有较好的高层抽象。
  - 基本设计思路：所有的方法和类都可以从一个配置文件中获取所需要的参数（配置文件中没有的，就使用默认参数）。
  - 介绍了扩展detectron2的一些相关文档。
- Use Custom Datasets
  - dataset只是解析数据集，而没有进行数据处理（数据处理在后面dataloader中进行）。
  - dataset的输出将会作为后续dataloader的输入。
  - 自定义数据集步骤：
    - 注册数据集（使用注释告诉detectron2如何获取该数据集），需要制定数据集名称以及一个 get_dict 方法，该方法用于获取一个 list[dict] 对象，每个字典就是一条输入数据，具体的key列表可以到文档中自己看。
    - 可以注册一些自定义 metadata。
  - 数据集的 metadata 介绍
    - 一个记录数据库相关信息的字典，比如primitive information that helps interpret what's in the dataset, e.g., names of classes, colors of classes, root of files, etc.
    - 可以通过 MetadataCatalog.get(dataset_name).set(name, value) 为新数据库添加元数据。
- Use Custom Dataloaders
  - 介绍数据处理模块，其实就是一系列数据增强等操作，以上述dataset的结果作为输入，并作为后续Model的输入。
  - 具体过程如下：
    - 首先，根据数据集名称获取一个已经注册的数据集（就是上面的dataset），获取 list[dict] 对象。
    - 其次，数据增强等其他数据处理流程都内置于 DatasetMapeer 中。
    - 最后，需要batch数据，batch后的数据一般就作为 model.forward() 的输入。
  - 介绍如何自定义Dataloader、使用自定义Dataloader可以参考DensePose的代码。
- Use Models
  - 主要介绍如何构建模型。
  - 构建模型方式：通过调用 build_model, build_backbone，build_roi_heads 等方法来构建。
  - 要导入权重可以使用 DetectionCheckpointer(model).load(file_path)。
  - 使用模型就是 outputs = model(inputs)
  - 模型输入使用的参数通过 list[dict] 来实现，即上面dataloader的输出，具体的key形式可以参考这个页面中的内容。
  - 模型输出也是一个 list[dict]，具体的形式可以参考这篇文章中的内容。
- Write Models
  - 自定义模型相关。
  - 举了个例子如果自定义backbone该怎么做。
- Training
  - 就提了下训练相关的代码。
  - 一般使用 tools/plain_train_net.py 来训练模型。
  - 最简单的训练结构是 SimpleTrainer().train()。
  - 一般使用的类是 DefaultTrainer().train()。
- Use Configs
  - 介绍了配置系统的基本结构，即使用yaml和yacs来配置。
  - 配置文件的使用，其实就是对 CfgNode 对象的使用。
  - 建议使用配置文件的方式，我比较在意的是使用_BASE_参数来重复配置定义到一个文件中。
notes
- Benchmarks
  - 记录一下训练时间，与其他库也比较比较。
- Compatibility with Other Libraries
  - 与其他目标检测库的Compatibility。
- Contributing to detectron2
- Change Log
API Documentation

2. 数据处理

2.1. 概述

实现的功能：
- 解析COCO、cityscapes等数据集。
- 提供数据预处理以及增强的接口。
- 通过配置文件即可实现数据集解析、预处理、增强等操作。
主要入口： detectron2/data/build.py 中的 build_detection_train_loader或build_detection_test_loader 方法。
相关代码：主要位于 detectron2/detectron2/data 目录下。
相关配置：detectron2/config/defaults.py 中 _C.INPUT _C.DATASETS _C.DATALOADER 开头的配置。

2.2. 基本流程

第一步：在导入 detectron2 模块时，通过Register机制注册一些常用的数据集。
- 注册机制可以参考 1.3. 中的内容。
- 注册代码在 detectron2/detectron2/data/datasets/builtin.py。
第二步：通过数据集名称以及完成注册的 DatasetCatalog 对象以及 MetadataCatalog 对象，解析数据集并获取数据集基本信息。
- 从源码角度看，就是调用了 DatasetCatalog 中的对应的方法，获取 list[dict] 对象。
第三步：通过mapper函数，对解析完的数据集进行进一步处理，包括数据增强，并将修改数据的结构，使之可以直接作为后续模型的输入。
- 从源码角度理解就是，从 DatasetCatalog 获取的是 list[dict]，mapper函数输出的也是 list[dict]，但前后两个字典的形式是不一样的，具体可以参考官方文档，里面都有具体的描述。

2.3. build_detection_train_loader 方法解析

源码位于 detectron2/detectron2/data/build.py 中。
流程：
- 第一步：获取 list[dict] 对象。先根据数据库名称调用 DatasetCatalog 中的方法，获取原始 list[dict] 对象，再通过一些条件进行筛选。
- 第二步：构建 DatasetFromList 对象，该类是 torch.utils.data.Dataset 的子类。
- 第三步：根据mapper对上面的dataset对象进行进一步处理。
  - 浏览了下 DatasetMapper的源码，主要工作包括读取图像、resize、crop、flip、转换数据与标签的形式等。
- 第四步：构建 torch.utils.data.sampler.Sampler 对象，实现的功能好像包括Repeat Sample、shuffle、batch功能。
- 第五步：根据上面的 dataset, sampler 等对象构建 torch.utils.data.DataLoader 对象。
感想：
- 好像也没有什么特别的数据增强工作。
- Detectron2实现的 DatasetFromList、MapDataset等，有点 tf.data 的感觉，挺有意思。

2.4. 其他

数据增强
- 方法主要都在 detectron2/detectron2/data/transforms/transform_gen.py 中定义。
- 调用的话主要是通过 from detectron2.data import transforms as T 以及 T.ResizeShortestEdge 来实现。
- 在默认实现中，就没用到什么特别的数据增强。具体的可以到 DatasetMapper 的源码中看。

3. 模型搭建

3.1. 概述

实现的功能：通过配置文件构建模型。
主要入口：detectron2/detectron2/modeling/meta_arch/build.py 中的 def build_model(cfg) 方法。
相关代码：detectron2/detectron2/modeling 目录下。
相关配置：detectron2/config/defaults.py中_C.MODEL 开头的配置。

3.2. 基本流程

第一步：根据注册机制，在导入 detectron2 时，将各个类型的积木通过注解的方式保存到 Registry 对象中。
第二步：根据配置文件中 META_ARCHITECTURE 参数，选择基本框架，也就是 meta arch。
- 基本框架(meta arch)的类型没集中，包括 rcnn, retinanet, semantic seg, panoptic 四种。
- 每个基本框架(meta arch)中都定义了一系列子部件，也都是用Register机制来管理（即通过配置文件与Register对象来构建）。
- 基本框架的定义中，就包含了模型如何构建、如何训练、如何预测等相关功能。
第三步：通过配置文件分别构建选中meta arch中各个部件。

3.3. 其他

Registry对象列表
- ANCHOR_GENERATOR_REGISTRY：如何生成anchors。
- BACKBONE_REGISTRY：主干网络，包括FPN。
- META_ARCH_REGISTRY：基本网络，总体结构。
- SEM_SEG_HEADS_REGISTRY：应该是用来做语义分隔的。
- PROPOSAL_GENERATOR_REGISTRY：Faster RCNN中的Region proposal Network，即如何生成proposals。
- RPN_HEAD_REGISTRY：第一阶段训练所需的输入。
- ROI_BOX_HEAD_REGISTRY：ROI Head中的bbox分支。
- ROI_HEADS_REGISTRY：通过特征图和第一阶段的proposals得到ROI。
- ROI_KEYPOINT_HEAD_REGISTRY：ROI Head中的keypoint分支。
- ROI_MASK_HEAD_REGISTRY：ROI Head中的mask分支。
除了通过注册机制管理的部件外，还有一系列模型所需的部件，具体的可以参考 meta_arch 中的相关源码。

4. 训练/评估/预测

4.1. 概述

实现的功能：通过配置文件构建模型。
主要入口：detectron2/detectron2/engine/defaults.py 中的 DefaultTrainer, DefaultPredictor。
相关代码：主要在 detectron2/detectron2/engine 和 detectron2/detectron2/solver 中
相关配置：detectron2/config/defaults.py中_C.SOLVER _C.TEST 开头的配置。

4.2. 训练代码结构

主要包括了：TrainerBase, SimpleTrainer, DefaultTrainer 三个类。
TrainerBase：
- 定义在 detectron2/detectron2/engine/train_loop.py 中。
- 主要功能：
  - 提供了 hooks 机制，可以通过导入 HookBase 对象，在训练过程的各个时间点进行自定义处理。
  - 定义了训练函数为 train(self, start_iter: int, max_iter: int)，且维训练提供了一个 EventStorage 对象。
- 这个与TF中的SessionRunHook类似，只不过TF已经实现在源码里，而Detectron2中是自己实现的。
SimpleTrainer：
- 定义在 detectron2/detectron2/engine/train_loop.py 中。
- 主要功能：在 TrainerBase 的基础上添加了训练所需的基本参数以及最基本的训练过程代码。
- 基本训练参数指的是 model/data_loader/optimizer
- 基本训练过程包括位于 run_step 函数中，主要包括的功能是：
  - 导入数据。
  - 计算损失函数（并确保损失函数是有效的）。
  - 记录一些性能指标（包括损失函数、时间点），保存到 EventStorage 对象中。
  - 进行梯度下降操作。
DefaultTrainer
- 定义在 detectron2/detectron2/engine/defaults.py 中。
- 主要功能：
  - 在 SimpleTrainer 的基础上，提供了通过配置文件创建模型、数据集、优化器、学习率等一系列操作。
  - 提供了 checkpoint 功能。
  - 使用了一系列常见的 hooks。
- hooks的定义都在 detectron2/detectron2/engine/hooks.py 中。