MMDetection 详解

1.train

• configure文件表示整个模型结构，是mmdetection里面最重要的部分。就是使用一个configure文件来管理所有的内容，是因为整个ML的参数太多了，所以统一在config文件夹中进行设置。

• 具体要写多少层，训练策略，选取的优化器，数据的处理等，这些所有的参数你都不能每次都去源码里面去改，那就把这些所有的事情都写到一个config文件里面。然后让一键构建，这就是config文件的作用。

• config文件是mmdetection最重要的部分，其实不仅仅是参数的设定，它还包括了模型的构建，模型整个搭起来就是在一个config文件里面的。

• mmdection的config文件就是一个py文件，yaml文件也是config文件的一种类型。

• 比如你打开一个py文件，如上图所示，你也不知道是什么意思，其实这个文件特别长，但是你看到的就是这一句话。为什么只有这一句话呢？这是因为它索引了base,它索引了一个前面的配置文件。它只对这个配置文件的这一些字段做了修改。

• 点这个配置文件，你会发现它索引了另外一个配置文件，另外一个配置文件可能又会索引到另外一个配置文件，这样的索引，可能要7-8次。

• 对于新手来说，往往难以找到字段，所以说的第一个重要的事情就是print_config()把所有的参数都打印出来。

1.1 print_config()

• 在mmdetection里面给了一个tools工具将config文件打印出来。

  

可以将config文件的所有内容，打印到一个py脚本当中。这是第一个重要的点，尤其是对于刚学的人来说，你那些字段是什么，甚至不知道有那些字段。

一定要把config文件中的信息打印出来去研究，这是第一件事情。

1.2 训练模型

• 你想模型只需要这一句话，，连后面的--work-dir $WORKDIR 都不需要。

• 只需要 ,你想train什么都可以，所以config就是包含了所有。训练就只需要包含这一句话就好了。所以config是极其重要的重点。

• mmdetection集成了非常多的算法，举个例子，比如打开fastercnn这个算法，

• 

faster_rcnn里面又包含各种结构，比如backbone不一样，训练策略的不一样，数据集的不一样等。

• 比如说这个配置文件，这个命名是有严格规范的，

  1.faster_rcnn--- 对应方法。

  2.r101-------backbone。

  3.fpn------Feature pyramid network(特征金字塔网络)，提高目标检测的准确率，尤其是小目标的检测

       4.mstrain---多尺度的训练。

       5.3x---longsgadule 更长时间的训练 1x 就是12个epoch，3x就是36个epoch。

       6.coco---是指在coco数据集上进行训练。

每一个文件夹集成了一个方法，每个方法又有不同的结构和训练方式。

在_base_文件夹下包含三个部分1.models,2. schedules和3.datasets：

•  configure文件的组成是字典结构，一定是一个一个的字典。
• configure文件写这么多，主要是为了将数据传到这个地方，文件中的有些字段并不是字典，而是一个值。

 像上面的train_pipeline,test_pipeline等，它只是一个值，它是作为一个value传到后面的字典里面。

上面写这么多，只是为了把value传在这个地方，

要知道某些字段并不是configure文件的构成，它是一些值，为了传到字典里面的。

像下面这个model,它有backbone,首先是model的类型是SOLOv2，backbone 是由ResNet101搭建，neck,mask_head就把复杂的模型搭建完成了。

1.2.1 Model

type=‘Resnet’既然登记为这个类，一定有这个类的源码。

 在这个文件夹，backbones里面可以找到对应的源码，后面的字典只是将参数传递给源码里。或者在config文件里面不知道代码是干什么的，可以快速的找到源码，了解其用途。