MMdetection3.0 训练DETR问题分析_mmdetection 训练detr

MMdetection3.0 训练DETR问题分析

针对在MMdetection3.0框架下训练DETR模型，验证集AP值一直为0.000的原因作出如下分析并得出结论。

条件：
1、NWPU-VHR-10数据集：共650张，训练：验证=611：39；
2、MMdetection3.0框架实验分析；
3、DETR原论文提供源代码实验分析；
4、已在代码中完成了数据类别定义(num_classes)等相关配置的修改。

分析：
1、在MMdetection3.0框架下，只是加载backbone的预训练权重，val上AP始终为0.0000.如下图所示：=》loss收敛较慢，val始终为0.0000.


2、在MMdetection3.0框架下，直接加载detr的完整预训练权重。如下图所示：=》存在警告（size mismatch for bbox_head.fc_cls.weight: copying a param with shape torch.Size([81, 256]) from checkpoint, the shape in current model is torch.Size([11, 256]).
size mismatch for bbox_head.fc_cls.bias: copying a param with shape torch.Size([81]) from checkpoint, the shape in current model is torch.Size([11]).
），但训练测试指标还算正常。

=》警告原因：自定义数据集的类别是10+1，而MMdetection3.0提供的是coco数据集与训练权重80+1.
=》因此，需要修改预训练模型的全连接层输出（见下述第4点）。

3、在MMdetection3.0框架下，直接加载修改后的detr的完整预训练权重训练测试结果见下图所示：=》警告消除，一切正常，并且修改证据权重类别后loss下降变快，val指标更好（不能说更好，只能说更正常）

4、修改模型权重参数脚本
=》代码中的METAINFO不想修改 不修改也行。
=》主要是pretrained_weights[‘state_dict’][‘bbox_head.fc_cls.weight’].resize_(11, 256)
pretrained_weights[‘state_dict’][‘bbox_head.fc_cls.bias’].resize_(11)

import torch
METAINFO = dict(
    CLASSES=(
        'airplane',
        'ship',
        'storage tank',
        'baseball diamond',
        'tennis court',
        'basketball court',
        'ground track field',
        'harbor',
        'bridge',
        'vehicle',
    ),
    PALETTE=[
        (
            120,
            120,
            120,
        ),
        (
            180,
            120,
            120,
        ),
        (
            6,
            230,
            230,
        ),
        (
            80,
            50,
            50,
        ),
        (
            4,
            200,
            3,
        ),
        (
            120,
            120,
            80,
        ),
        (
            140,
            140,
            140,
        ),
        (
            204,
            5,
            255,
        ),
        (
            230,
            230,
            230,
        ),
        (
            4,
            250,
            7,
        ),
    ])

pretrained_weights = torch.load('/home/admin1/pywork/data/weigh/resnet50-0676ba61.pth')
# 11 是指 数据类别 + 1
pretrained_weights['state_dict']['bbox_head.fc_cls.weight'].resize_(11, 256)
pretrained_weights['state_dict']['bbox_head.fc_cls.bias'].resize_(11)
pretrained_weights['meta']['experiment_name'] = 'detr_r50_8xb2-150e_coco_11'
pretrained_weights['meta']['dataset_meta'] = METAINFO
torch.save(pretrained_weights, "detr_r50_8xb2-150e_coco_%d.pth" % num_classes)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

5、DETR原论文提供的源代码训练情况跟MMdetection3.0框架下的情况类似，都必须加载预训练模型，否则就是一直0.000000000000000.

总结分析：
1、NWPU-VHR-10数据量太小导致的问题（90%），等待进一步测试。
2、Transformer模型提出来的时候就已经说明很吃数据，所以没有足够的数据直接使用transformer训练往往效果不好，所以数据量不足的情况下，还是加载预训练权重吧。
3、backbone的权重在模型的比例其实很小，主要还是后面的编码、解码器，所以只加载backbone的权重也没什么用。

总之，数据、数据、数据要足够哇