Cascade_RCNN-PyTorch

概述

简述

Cascade R-CNN算法是CVPR2018的文章，通过级联几个检测网络达到不断优化预测结果的目的，与普通级联不同，Cascade R-CNN的几个检测网络是基于不同IOU阈值确定的正负样本上训练得到的。

参考实现：
```
[object Object]
```
适配昇腾 AI 处理器的实现：
```
[object Object]
```

准备训练环境

准备环境

当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

表 1 版本支持表

Torch_Version 三方库依赖版本

PyTorch 1.5 torchvision==0.6.0

PyTorch 1.8 torchvision==0.9.1
环境准备指导。

请参考《Pytorch框架训练环境准备》。
安装依赖。

在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。
```
[object Object]
```
说明： 只需执行一条对应的PyTorch版本依赖安装命令。
安装 detectron2 。
```
[object Object]
```

准备数据集

获取数据集。

用户自行下载 coco 数据集，将数据集上传到服务器任意路径下并解压。

数据集目录结构参考如下所示。
```
[object Object]
```
说明： 该数据集的训练过程脚本只作为一种参考示例。

获取预训练模型

用户自行下载 R-101.pkl 预训练模型，将获取的预训练模型放至在源码包根目录下，并将 configs/COCO-Detection/cascade_rcnn_R_101_FPN_1x.yaml 配置文件中 MODEL.WEIGHTS 设置为 R-101.pkl 的绝对路径。

开始训练

训练模型

进入解压后的源码包根目录。
```
[object Object]
```
运行训练脚本。

该模型支持单机单卡训练和单机8卡训练。
- 单机单卡训练
  
  启动单卡训练。
```
[object Object]
```
- 单机8卡训练
  
  启动8卡训练。
```
[object Object]
```
- 单机8卡评测
  
  启动8卡评测。
```
[object Object]
```
--data_path参数填写数据集路径，需写到数据集的一级目录。

--pth_path参数填写训练权重生成路径，需写到权重文件的一级目录。

模型训练脚本参数说明如下。
```
[object Object]
```
训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 2 训练结果展示表

NAME	Ap	FPS	Iters	AMP_Type	Torch_Version
1p-竞品V	-	10	1000	-	1.5
8p-竞品V	42.72	80	45000	-	1.5
1p-NPU	-	6.16	1000	O2	1.8
8p-NPU	42.445	47.79	45000	O2	1.8

版本说明

变更

2021.10.17：首次发布。

FAQ

无。

使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》