网站分页代码,网站建设公司类型,c 大型网站开发案例,公众号怎么弄好看的模板之——简单实现
目录
之——简单实现
杂谈
正文
1.类别预测层
2.边界框预测
3.多尺度输出联结做预测#xff08;提高预测效率#xff09;
4.多尺度实现
5.基本网络块
6.完整模型 杂谈 原理查看#xff1a;037、目标检测-算法速览-CSDN博客 正文
1.类别预测层 类别…之——简单实现
目录
之——简单实现
杂谈
正文
1.类别预测层
2.边界框预测
3.多尺度输出联结做预测提高预测效率
4.多尺度实现
5.基本网络块
6.完整模型 杂谈 原理查看037、目标检测-算法速览-CSDN博客 正文
1.类别预测层 类别预测的实现锚框类别数num_classes1背景 该图层使用填充为1的3×3的卷积层。此卷积层的输入和输出的宽度和高度保持不变只是改变了通道数
import torch
import torchvision
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2ldef cls_predictor(num_inputs, num_anchors, num_classes):return nn.Conv2d(num_inputs, num_anchors * (num_classes 1),kernel_size3, padding1) 2.边界框预测 把边界框也看做一个预测问题要预测的值就是两个坐标四个值所以输出通道为4*num_anchors:
def bbox_predictor(num_inputs, num_anchors):return nn.Conv2d(num_inputs, num_anchors * 4, kernel_size3, padding1) 3.多尺度输出联结做预测提高预测效率 单发多框检测使用多尺度特征图来生成锚框并预测其类别和偏移量。 在不同的尺度下特征图的形状或以同一单元为中心的锚框的数量可能会有所不同。 因此不同尺度下预测输出的形状可能会有所不同。
def forward(x, block):return block(x)Y1 forward(torch.zeros((2, 8, 20, 20)), cls_predictor(8, 5, 10))
Y2 forward(torch.zeros((2, 16, 10, 10)), cls_predictor(16, 3, 10))
Y1.shape, Y2.shape 通道维包含中心相同的锚框的预测结果。我们首先将通道维移到最后一维。 因为不同尺度下批量大小仍保持不变我们可以将预测结果转成二维的批量大小高×宽×通道数的格式以方便之后在维度1上的连结
def flatten_pred(pred):return torch.flatten(pred.permute(0, 2, 3, 1), start_dim1)def concat_preds(preds):return torch.cat([flatten_pred(p) for p in preds], dim1) 4.多尺度实现 为了在多个尺度下检测目标我们在下面定义了高和宽减半块down_sample_blk该模块将输入特征图的高度和宽度减半。
def down_sample_blk(in_channels, out_channels):blk []for _ in range(2):blk.append(nn.Conv2d(in_channels, out_channels,kernel_size3, padding1))blk.append(nn.BatchNorm2d(out_channels))blk.append(nn.ReLU())in_channels out_channelsblk.append(nn.MaxPool2d(2))return nn.Sequential(*blk) 跟当时VGG的实现极其类似效果
forward(torch.zeros((2, 3, 20, 20)), down_sample_blk(3, 10)).shape 5.基本网络块 基本网络块用于从输入图像中抽取特征。 为了计算简洁我们构造了一个小的基础网络该网络串联3个高和宽减半块并逐步将通道数翻倍。 给定输入图像的形状为256×256此基本网络块输出的特征图形状为32×32
def base_net():blk []num_filters [3, 16, 32, 64]for i in range(len(num_filters) - 1):blk.append(down_sample_blk(num_filters[i], num_filters[i1]))return nn.Sequential(*blk)forward(torch.zeros((2, 3, 256, 256)), base_net()).shape 6.完整模型 完整的单发多框检测模型由五个模块组成。每个块生成的特征图既用于生成锚框又用于预测这些锚框的类别和偏移量。在这五个模块中第一个是基本网络块第二个到第四个是高和宽减半块最后一个模块使用全局最大池化将高度和宽度都降到1。
def get_blk(i):if i 0:blk base_net()elif i 1:blk down_sample_blk(64, 128)elif i 4:blk nn.AdaptiveMaxPool2d((1,1))else:blk down_sample_blk(128, 128)return blk 每个块的前向传播为每个块定义前向传播。与图像分类任务不同此处的输出包括CNN特征图Y在当前尺度下根据Y生成的锚框预测的这些锚框的类别和偏移量基于Y
def blk_forward(X, blk, size, ratio, cls_predictor, bbox_predictor):Y blk(X)anchors d2l.multibox_prior(Y, sizessize, ratiosratio)cls_preds cls_predictor(Y)bbox_preds bbox_predictor(Y)return (Y, anchors, cls_preds, bbox_preds) 一个较接近顶部的多尺度特征块是用于检测较大目标的因此需要生成更大的锚框。 在上面的前向传播中在每个多尺度特征块上我们通过调用的multibox_prior函数的sizes参数传递两个比例值的列表。
sizes [[0.2, 0.272], [0.37, 0.447], [0.54, 0.619], [0.71, 0.79],[0.88, 0.961]]
ratios [[1, 2, 0.5]] * 5
num_anchors len(sizes[0]) len(ratios[0]) - 1 汇总
class TinySSD(nn.Module):def __init__(self, num_classes, **kwargs):super(TinySSD, self).__init__(**kwargs)self.num_classes num_classesidx_to_in_channels [64, 128, 128, 128, 128]for i in range(5):# 即赋值语句self.blk_iget_blk(i)setattr(self, fblk_{i}, get_blk(i))setattr(self, fcls_{i}, cls_predictor(idx_to_in_channels[i],num_anchors, num_classes))setattr(self, fbbox_{i}, bbox_predictor(idx_to_in_channels[i],num_anchors))def forward(self, X):anchors, cls_preds, bbox_preds [None] * 5, [None] * 5, [None] * 5for i in range(5):# getattr(self,blk_%d%i)即访问self.blk_iX, anchors[i], cls_preds[i], bbox_preds[i] blk_forward(X, getattr(self, fblk_{i}), sizes[i], ratios[i],getattr(self, fcls_{i}), getattr(self, fbbox_{i}))anchors torch.cat(anchors, dim1)cls_preds concat_preds(cls_preds)cls_preds cls_preds.reshape(cls_preds.shape[0], -1, self.num_classes 1)bbox_preds concat_preds(bbox_preds)return anchors, cls_preds, bbox_preds 训练
batch_size 32
train_iter, _ d2l.load_data_bananas(batch_size)device, net d2l.try_gpu(), TinySSD(num_classes1)
trainer torch.optim.SGD(net.parameters(), lr0.2, weight_decay5e-4)#损失函数和评价函数
cls_loss nn.CrossEntropyLoss(reductionnone)
bbox_loss nn.L1Loss(reductionnone)def calc_loss(cls_preds, cls_labels, bbox_preds, bbox_labels, bbox_masks):batch_size, num_classes cls_preds.shape[0], cls_preds.shape[2]cls cls_loss(cls_preds.reshape(-1, num_classes),cls_labels.reshape(-1)).reshape(batch_size, -1).mean(dim1)bbox bbox_loss(bbox_preds * bbox_masks,bbox_labels * bbox_masks).mean(dim1)return cls bboxdef cls_eval(cls_preds, cls_labels):# 由于类别预测结果放在最后一维argmax需要指定最后一维。return float((cls_preds.argmax(dim-1).type(cls_labels.dtype) cls_labels).sum())def bbox_eval(bbox_preds, bbox_labels, bbox_masks):return float((torch.abs((bbox_labels - bbox_preds) * bbox_masks)).sum())#训练
num_epochs, timer 20, d2l.Timer()
animator d2l.Animator(xlabelepoch, xlim[1, num_epochs],legend[class error, bbox mae])
net net.to(device)
for epoch in range(num_epochs):# 训练精确度的和训练精确度的和中的示例数# 绝对误差的和绝对误差的和中的示例数metric d2l.Accumulator(4)net.train()for features, target in train_iter:timer.start()trainer.zero_grad()X, Y features.to(device), target.to(device)# 生成多尺度的锚框为每个锚框预测类别和偏移量anchors, cls_preds, bbox_preds net(X)# 为每个锚框标注类别和偏移量bbox_labels, bbox_masks, cls_labels d2l.multibox_target(anchors, Y)# 根据类别和偏移量的预测和标注值计算损失函数l calc_loss(cls_preds, cls_labels, bbox_preds, bbox_labels,bbox_masks)l.mean().backward()trainer.step()metric.add(cls_eval(cls_preds, cls_labels), cls_labels.numel(),bbox_eval(bbox_preds, bbox_labels, bbox_masks),bbox_labels.numel())cls_err, bbox_mae 1 - metric[0] / metric[1], metric[2] / metric[3]animator.add(epoch 1, (cls_err, bbox_mae))
print(fclass err {cls_err:.2e}, bbox mae {bbox_mae:.2e})
print(f{len(train_iter.dataset) / timer.stop():.1f} examples/sec on f{str(device)}) 结果
