一個基於PyTorch的目標檢測工具箱，商湯聯合港中文開源mmdetection

根據 GitHub 專案所述，mmdetection 的主要特徵可以總結為以下幾個方面：

• 模組化設計：你可以通過連線不同元件輕鬆構建自定義目標檢測框架。

• 支援多個框架，開箱即用：該工具包直接支援多種流行的檢測框架，如 Faster RCNN、Mask RCNN、RetinaNet 等。

• 高效：所有基礎邊界框和掩碼運算都在 GPU 上執行。不同模型的訓練速度大約比 FAIR 的 Detectron 快 5% ~ 20%。

• 當前最優：這是 MMDet 團隊的程式碼庫，該團隊贏得了 2018 COCO 檢測挑戰賽的冠軍。

除了 mmdetection，研究者們還開源了用於計算機視覺研究的 mmcv 庫，mmdetection 很多演算法的實現都依賴於 mmcv 庫。

此次專案的參與者之一，香港中文大學陳愷博士介紹說：「mmcv 和 mmdetection 同屬於 open-mmlab 專案，這個專案會將我們 lab 的一些 research project 有計劃、系統性地開源。mmcv 是一個基礎庫，主要分為兩個部分，一部分是和 deep learning framework 無關的一些工具函式，比如 IO/Image/Video 相關的一些操作，另一部分是為 PyTorch 寫的一套訓練工具，可以大大減少使用者需要寫的程式碼量，同時讓整個流程的定製變得容易。」

對比 Detection 

據陳愷博士介紹，10 月 12 日商湯正式開源了兩個專案，即 mmcv 和 mmdetection：

mmdetection 是基於 MMDet 隊伍 COCO 比賽（Detection 2018 winner）時的 codebase重構，先放一張 test-dev 的結果。

mmdetection 原計劃九月底 release，由於某些不可抗力（比如拖延症）延遲到了現在，感覺如釋重負。第一個版本中實現了 RPN、Fast R-CNN、Faster R-CNN、Mask R-CNN，近期還計劃放出 RetinaNet 和 Cascade R-CNN。（如果由於趕 CVPR 跳票了，請不要介意，介意也不會 release 的。）

先簡單介紹一下和 Detectron 的對比

• performance 稍高

• 訓練速度稍快

• 所需視訊記憶體稍小

但更重要的是，基於 PyTorch 和基於 Caffe2 的 code 相比，易用性是有代差的。成功安裝 Detectron 的時間，大概可以裝好一打的 mmdetection 吧。

當然 Detectron 有些優勢也很明顯，作為第一個全面的 detection codebase，加上 FAIR 的金字招牌，關注人數和使用者很多（雖然吐槽也比較多），release 的模型也比較全面。我們也在努力擴充 model zoo，奈何人力和算力還是有很大差距，所以還需要時間。

具體說說上面提到的三個方面吧。首先是 performance，由於 PyTorch 官方 model zoo 裡面的 ResNet 結構和 Detectron 所用的 ResNet 有細微差別（mmdetection 中可以通過 backbone 的 style引數指定），導致模型收斂速度不一樣，所以我們用兩種結構都跑了實驗，一般來說在 1x 的 lr schedule 下 Detectron 的會高，但 2x 的結果 PyTorch 的結構會比較高。

速度方面Mask R-CNN差距比較大，其餘的很小。採用相同的 setting，Detectron 每個iteration需要 0.89s，而 mmdetection 只需要 0.69s。Fast R-CNN 比較例外，比 Detectron 的速度稍慢。另外在我們的伺服器上跑 Detectron 會比官方 report 的速度慢 20% 左右，猜測是 FB 的 Big Basin 伺服器效能比我們好？

視訊記憶體方面優勢比較明顯，會小 30% 左右。但這個和框架有關，不完全是 codebase 優化的功勞。一個讓我們比較意外的結果是現在的 codebase 版本跑 ResNet-50 的Mask R-CNN，每張卡（12 G）可以放 4 張圖，比我們比賽時候小了不少。

除了陳愷博士在知乎上的回答，mmdetection 的 GitHub 專案頁面上還有很多實現效能與對比資料：

1. 效能

開發者報告了使用使用 caffe-style 和 pytorch-style ResNet 骨幹網路的結果，前者的權重來自 Detectron 中 MODEL ZOO 的預訓練模型，後者的權重來自官方 model zoo。

2. 訓練速度

訓練速度的單位是 s/iter，數值越低代表速度越高。

3. 推斷測試

推斷速度的單位是 fps (img/s)，數值越高代表效果越好。

測試與訓練

首先安裝 mmdetection 需要以下環境：

• Linux (tested on Ubuntu 16.04 and CentOS 7.2)

• Python 3.4+

• PyTorch 0.4.1 and torchvision

• Cython

• mmcv

使用預訓練模型進行推斷

1. 測試資料集

開發者允許在一塊 GPU 上執行一或多個程序，如在 8 塊 GPU 執行 8 個程序或 16 個程序。當單個程序的 GPU 工作負載並不是很大時，執行多個程序將加速測試，這由引數--proc_per_gpu <PROCESS_NUM> 指定。

測試和儲存結果：

python tools/test.py <CONFIG_FILE> <CHECKPOINT_FILE> --gpus <GPU_NUM> --out <OUT_FILE>

要想執行測試後的評估，你需要新增 --eval <EVAL_TYPES>。支援型別包括：

• proposal_fast：使用 mmdetection 的程式碼求 proposal 的召回率。（應該可以得到和官方估計同樣的結果。）

• proposal：使用 COCO 提供的官方程式碼求 proposal 的召回率。

• bbox：使用 COCO 提供的官方程式碼求 box AP 值。

• segm：使用 COCO 提供的官方程式碼求 mask AP 值。

• keypoints：使用 COCO 提供的官方程式碼求 keypoint AP 值。

例如，估計使用 8 個 GPU 的Mask R-CNN，並將結果儲存為 results.pkl：

python tools/test.py configs/mask_rcnn_r50_fpn_1x.py <CHECKPOINT_FILE> --gpus 8 --out results.pkl --eval bbox segm

在測試過程中視覺化結果同樣很方便，只需新增一個引數--show：

python tools/test.py <CONFIG_FILE> <CHECKPOINT_FILE> --show

2. 測試影象

開發者提供了一些高階 api 來測試影象：

import mmcv
from mmcv.runner import load_checkpoint
from mmdet.models import build_detector
from mmdet.apis import inference_detector, show_result

cfg = mmcv.Config.fromfile('configs/faster_rcnn_r50_fpn_1x.py')
cfg.model.pretrained = None

# construct the model and load checkpoint
model = build_detector(cfg.model, test_cfg=cfg.test_cfg)
_ = load_checkpoint(model, 'https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')

# test a single image
img = mmcv.imread('test.jpg')
result = inference_detector(model, img, cfg)
show_result(img, result)

# test a list of images
imgs = ['test1.jpg', 'test2.jpg']
for i, result in enumerate(inference_detector(model, imgs, cfg, device='cuda:0')):
print(i, imgs[i])
show_result(imgs[i], result)

訓練模型

mmdetection 使用 MMDistributedDataParallel 和 MMDataParallel 分別實現分散式訓練和非分散式訓練。

開發者建議在單個機器上也要使用分散式訓練，因為它速度更快，而非分散式訓練可以用於 debug 或其他目的。

1. 分散式訓練

mmdetection 潛在支援多種 launch 方法，如 PyTorch 的內建 launch utility、 slurm 和 MPI。

開發者使用 PyTorch 內建的 launch utility 提供訓練指令碼：

./tools/dist_train.sh <CONFIG_FILE> <GPU_NUM> [optional arguments]

支援的引數有：

• --validate：訓練過程中每 k（預設值為 1）個 epoch 執行估計。

• --work_dir <WORK_DIR>：如果指定，配置檔案中的路徑將被重寫。

2. 非分散式訓練

python tools/train.py <CONFIG_FILE> --gpus <GPU_NUM> --work_dir <WORK_DIR> --validate

知乎問答參考連結：https://www.zhihu.com/question/294578141 

機器之心

機器之心是國內領先的前沿科技媒體和產業服務平臺,關注人工智慧、機器人和神經認知科學,堅持為從業者提供高質量內容和多項產業服務。