赞
踩
SSD 和 YOLO 都是非常主流的 one-stage 目标检测模型, 并且相对于 two-stage 的 RCNN 系列来说, SSD 的实现更加的简明易懂, 接下来我将从以下几个方面展开对 SSD 模型的源码实现讲解: - 模型结构定义 - DefaultBox 生成候选框 - 解析预测结果 - MultiBox 损失函数 - Augmentations Trick - 模型训练 - 模型预测 - 模型验证 - 其他辅助代码
可以看出, 虽然 SSD 模型本身并不复杂, 但是也正是由于 one-stage 模型较简单的原因, 其检测的准确率相对于 two-stage 模型较低, 因此, 通常需要借助许多训练和检测时的 Tricks 来提升模型的精确度, 这些代码我们会放在第三部分讲解. 下面, 我们按照顺序首先对 SSD 模型结构定义的源码进行解析.(项目地址: https://github.com/amdegroot/ssd.pytorch)
本部分代码主要位于 ssd.py
文件里面, 在本文件中, 定义了SSD的模型结构. 主要包含以下类和函数, 整体概览如下:
- # ssd.py
- class SSD(nn.Module): # 自定义SSD网络
- def __init__(self, phase, size, base, extras, head, num_classes):
- # ... SSD 模型初始化
- def forward(self, x):
- # ... 定义forward函数, 将设计好的layers和ops应用到输入图片 x 上
-
- def load_weights(self, base_file):
- # ... 加载参数权重值
- def vgg(cfg, i, batch_norm=False):
- # ... 搭建vgg网络
- def add_extras(cfg, i, batch_norm=False):
- # ... 向VGG网络中添加额外的层用于feature scaling
- def multibox(vgg, extra_layers, cfg, num_classes):
- # ... 构建multibox结构
- base = {
- ...} # vgg 网络结构参数
- extras = {
- ...} # extras 层参数
- mbox = {
- ...} # multibox 相关参数
- def build_ssd(phase, size=300, num_classes=21):
- # ... 构建模型函数, 调用上面的函数进行构建
为了方便理解, 我们不按照文件中的定义顺序解析, 而是根据文件中函数的调用关系来从外而内, 从上而下的进行解析, 解析顺序如下: - build_ssd(...) 函数 - vgg(...) 函数 - add_extras(...) 函数 - multibox(...) 函数 - SSD(nn.Module) 类
在其他文件通常利用build_ssd(phase, size=300, num_classes=21)
函数来创建模型, 下面先看看该函数的具体实现:
- # ssd.py
- class SSD(nn.Module): # 自定义SSD网络
- def __init__(self, phase, size, base, extras, head, num_classes):
- # ...
- def forward(self, x):
- # ...
- def load_weights(self, base_file):
- # ...
- def vgg(cfg, i, batch_norm=False):
- # ... 搭建vgg网络
- def add_extras(cfg, i, batch_norm=False):
- # ... 向VGG网络中添加额外的层用于feature scaling
- def multibox(vgg, extra_layers, cfg, num_classes):
- # ... 构建multibox结构
- base = {
- # vgg 网络结构参数
- '300': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'C', 512, 512, 512, 'M', 512, 512, 512],
- '500': []
- }
- extras = {
- # extras 层参数
- '300': [256, 'S', 512, 128, 'S', 256, 128, 256, 128, 256],
- '500': []
- }
- mbox = {
- # multibox 相关参数
- '300': [4, 6, 6, 6, 4, 4],
- '500': []
- }
- def build_ssd(phase, size=300, num_classes=21):
- # 构建模型函数, 调用上面的函数进行构建
- if phase != "test" and phase != "train": # 只能是训练或者预测阶段
- print("ERROR: Phase: " + phase + " not recognized")
- return
- if size != 300:
- print("ERROR: You specified size " + repr(size) + ". However, "+
- "currently only SSD300 is supported!") # 仅仅支持300size的SSD
- return
- base_, extras_, head_ = multibox(vgg(base[str(size)], 3),
- add_extras(extras[str(size), 1024),
- mbox[str(size)], num_classes )
- return SSD(phase, size, base_, extras_, head_, num_classes)
可以看到, build_ssd(...)
函数主要使用了multibox(...)
函数来获取base_, extras_, head_
, 在调用multibox(...)
函数的同时, 还分别调用了vgg(...)
函数, add_extras(...)
函数, 并将其返回值作为参数. 之后, 利用这些信息初始化了SSD网络. 那么下面, 我们就先查看一下这些函数定义和作用
我们以调用顺序为依据, 先对multibox(...)
函数的内部实现进行解析, 但是在查看multibox(...)
函数之前, 我们首先需要看看其参数的由来, 首先是vgg(...)
函数, 因为 SSD 是以 VGG 网络作为 backbone 的, 因此该函数主要定义了 VGG 网络的结果, 根据调用语句vgg(base[str(size)], 3)
可以看出, 调用vgg
时向其传入了两个参数, 分别为base[str(size)]
和3
, 对应的就是base['300']
和3.
- # ssd.py
-
- def vgg(cfg, i, batch_norm = False):
- # cfg = base['300'] = [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'C', 512, 512, 512, 'M', 512, 512, 512],
- # i = 3
- layers = []
- in_channels = i
- for v in cfg:
- if v == 'M':
- layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
- if v == 'C':
- layers += [nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=True)]
- else:
- conv2d = nn.Conv2d(in_channels=in_channels, out_channels=v, kernel_size=3, padding=1)
- if batch_norm:
- layers += [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True)]
- else:
- layers += [conv2d, nn.ReLU(inplace=True)]
- in_channels = v
- pool5 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
- conv6 = nn.Conv2d(512, 1024, kernel_size=3, padding=6, dilation=6)
- conv7 = nn.Con2d(1024, 1024, kernel_size=1)
- layers += [pool5, conv6, nn.ReLU(inplace=True), conv7, nn.ReLU(inplace=True)]
- return layers
上面的写法是 ssd.pytorch
代码中的原始写法, 代码风格体现了 PyTorch 灵活的编程特性, 但是这种写法不是那么直观, 需要很详细的解读才能看出来这个网络的整个结构是什么样的. 建议大家结合 VGG 网络的整个结构来解读这部分代码, 核心思想就是通过预定义的 cfg=base={...}
里面的参数来设置 vgg 网络卷积层和池化层的参数设置, 由于 vgg 网络的模型结构很经典, 有很多文章都写的很详细, 这里就不再啰嗦了, 我们主要来看一下 SSD 网络中比较重要的点, 也就是下面的 extras_layers
.
想必了解 SSD 模型的朋友都知道, SSD 模型中是利用多个不同层级上的 feature map 来进行同时进行边框回归和物体分类任务的, 除了使用 vgg 最深层的卷积层以外, SSD 还添加了几个卷积层, 专门用于执行回归和分类任务(如文章开头图2所示), 因此, 我们在定义完 VGG 网络以后, 需要额外定义这些新添加的卷积层. 接下来, 我们根据论文中的参数设置, 来看一下 add_extras(...)
的内部实现, 根据调用语句add_extras(extras[str(size)], 1024)
可知, 该函数中参数cfg = extras['300']
, i=1024
.
- # ssd.py
- def add_extras(cfg, i, batch_norm=False):
- # cfg = [256, 'S', 512, 128, 'S', 256, 128, 256, 128, 256]
- # i = 1024
- layers = []
- in_channels = i
- flag = False
- for k, v in enumerate(cfg):
- if in_channels != 'S':
- if v == 'S': # (1,3)[True] = 3, (1,3)[False] = 1
- layers += [nn.Conv2d(in_channels=in_channels, out_channels=cfg[k+1],
- kernel_size=(1, 3)[flag], stride=2, padding=1)]
- else:
- layers += [nn.Conv2d(in_channels=in_channels, out_channels=v,
- kernel_size=(1, 3)[flag])]
- flag = not flag
- in_channels = v
- return layers
注意, 在extras
中, 卷积层之间并没有使用 BatchNorm 和 ReLU, 实际上, ReLU 的使用放在了forward
函数中
同样的问题, 上面的定义不是很直观, 因此我将上面的代码用 PyTorch 重写了, 重写后的代码更容易看出网络的结构信息, 同时可读性也较强, 代码如下所示(与上面的代码完全等价):
- def add_extras():
- exts1_1 = nn.Conv2d(in_channels=1024, out_channels=256, kernel_size=1)
- exts1_2 = nn.Conv2d(in_channels=256, out_channels=512, kernel_size=3, stride=2, padding=1)
- exts2_1 = nn.Conv2d(512, 128, 1, 1, 0)
- exts2_2 = nn.Conv2d(128, 256, 3, 2, 1)
- exts3_1 = nn.Conv2d(256, 128, 1, 1, 0)
- exts3_2 = nn.Conv2d(128, 256, 3, 1, 0)
- exts4_1 = nn.Conv2d(256, 128, 1, 1, 0)
- exts4_2 = nn.Conv2d(128, 256, 3, 1, 0)
-
- return [exts1_1, exts1_2, exts2_1, exts2_2, exts3_1, exts3_2, exts4_1, exts4_2]
在定义完整个的网络结构以后, 我们就需要定义最后的 head 层, 也就是特定的任务层, 因为 SSD 是 one-stage 模型, 因此它是同时在特征图谱上产生预测边框和预测分类的, 我们根据类别的数量来设置相应的网络预测层参数, 注意需要用到多个特征图谱, 也就是说要有多个预测层(原文中用了6个卷积特征图谱, 其中2个来自于 vgg 网络, 4个来自于 extras 层), 代码实现如下:
multibox(...)
总共有4个参数, 现在我们已经得到了两个参数, 分别是vgg(...)
函数返回的layers
, 以及add_extras(...)
函数返回的layers
, 后面两个参数根据调用语句可知分别为mbox[str(size)]
(mbox['300']
)和num_classes
(默认为21). 下面, 看一下multibox(...)
函数的具体内部实现:
- # ssd.py
- def multibox(vgg, extra_layers, cfg, num_classes):
- # cfg = [4, 6, 6, 6, 4, 4]
- # num_classes = 21
- # ssd总共会选择6个卷积特征图谱进行预测, 分别为, vggnet的conv4_3, 以及extras_layers的5段卷积的输出(每段由两个卷积层组成, 具体可看extras_layers的实现).
- # 也就是说, loc_layers 和 conf_layers 分别具有6个预测层.
- loc_layers = []
- conf_layers = []
- vgg_source = [21, -2]
- for k, v in enumerate(vgg_source):
- loc_layers += [nn.Conv2d(vgg[v].out_channels, cfg[k]*4, kernel_size=3, padding=1]
- conf_layers += [nn.Conv2d(vgg[v].out_channels, cfg[k]*num_classes, kernel_size=3, padding=1)]
- for k, v in enumerate(extra_layers[1::2], 2):
- loc_layers += [nn.Conv2d(v.out_channels, cfg[k]*4, kernel_size=3, padding=1)]
- conf_layers += [nn.Conv2d(v.out_channels, cfg[k]*num_classes, kernel_size=3, padding=1)]
- return vgg, extra_layers, (loc_layers, conf_layers)
同样, 我们可以将上面的代码写成可读性更强的形式:
- # ssd.py
- def multibox(vgg, extras, num_classes):
- loc_layers = []
- conf_layers = []
- #vgg_source=[21, -2] # 21 denote conv4_3, -2 denote conv7
-
- # 定义6个坐标预测层, 输出的通道数就是每个像素点上会产生的 default box 的数量
- loc1 = nn.Conv2d(vgg[21].out_channels, 4*4, 3, 1, 1) # 利用conv4_3的特征图谱, 也就是 vgg 网络 List 中的第 21 个元素的输出(注意不是第21层, 因为这中间还包含了不带参数的池化层).
- loc2 = nn.Conv2d(vgg[-2].out_channels, 6*4, 3, 1, 1) # Conv7
- loc3 = nn.Conv2d(vg
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。