bubbliiiing/retinanet-pytorch

这是一个retinanet-pytorch的源码，可以用于训练自己的模型。

Retinanet：目标检测模型在Pytorch当中的实现

---

目录

1. 仓库更新 Top News
2. 性能情况 Performance
3. 所需环境 Environment
4. 文件下载 Download
5. 预测步骤 How2predict
6. 训练步骤 How2train
7. 评估步骤 How2eval
8. 参考资料 Reference

Top News

2022-04:进行了大幅度的更新，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。支持多GPU训练，新增各个种类目标数量计算。

2021-10:进行了大幅度的更新，增加了大量注释、增加了大量可调整参数、对代码的组成模块进行修改、增加fps、视频预测、批量预测等功能。

性能情况

训练数据集	权值文件名称	测试数据集	输入图片大小	mAP 0.5:0.95	mAP 0.5
VOC07+12	retinanet_resnet50.pth	VOC-Test07	600x600	-	81.56

所需环境

torch==1.2.0

文件下载

训练所需的retinanet_resnet50.pth和主干的权值可以在百度云下载。
链接: https://pan.baidu.com/s/1Qal7lmN3aV0ZHscB_1OmrA
提取码: ckv8

VOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：
链接: https://pan.baidu.com/s/1-1Ej6dayrx3g0iAA88uY5A
提取码: ph32

训练步骤

a、训练VOC07+12数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录

2. 数据集的处理
   修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。

3. 开始网络训练
   train.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是retinanet.py和predict.py。我们首先需要去retinanet.py里面修改model_path以及classes_path，这两个参数必须要修改。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

b、训练自己的数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要自己制作好数据集，
   训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
   训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

2. 数据集的处理
   在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。
   修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。
   训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。
   model_data/cls_classes.txt文件内容为：

cat
dog
...

修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。

3. 开始网络训练
   训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。
   classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！
   修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是retinanet.py和predict.py。在retinanet.py里面修改model_path以及classes_path。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

预测步骤

a、使用预训练权重

1. 下载完库后解压，在百度网盘下载权值，放入model_data，运行predict.py，输入

img/street.jpg

2. 在predict.py里面进行设置可以进行fps测试和video视频检测。

b、使用自己训练的权重

1. 按照训练步骤训练。
2. 在retinanet.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类。

_defaults = {
    #--------------------------------------------------------------------------#
    #   使用自己训练好的模型进行预测一定要修改model_path和classes_path！
    #   model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt
    #   如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改
    #--------------------------------------------------------------------------#
    "model_path"        : 'model_data/retinanet_resnet50.pth',
    "classes_path"      : 'model_data/voc_classes.txt',
    #---------------------------------------------------------------------#
    #   输入图片的大小
    #---------------------------------------------------------------------#
    "input_shape"       : [600, 600],
    #---------------------------------------------------------------------#
    #   用于选择所使用的模型的版本
    #   0、1、2、3、4
    #   resnet18, resnet34, resnet50, resnet101, resnet152
    #---------------------------------------------------------------------#
    "phi"               : 2,
    #---------------------------------------------------------------------#
    #   只有得分大于置信度的预测框会被保留下来
    #---------------------------------------------------------------------#
    "confidence"        : 0.5,
    #---------------------------------------------------------------------#
    #   非极大抑制所用到的nms_iou大小
    #---------------------------------------------------------------------#
    "nms_iou"           : 0.3,
    #---------------------------------------------------------------------#
    #   该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize，
    #   在多次测试后，发现关闭letterbox_image直接resize的效果更好
    #---------------------------------------------------------------------#
    "letterbox_image"   : True,
    #---------------------------------------------------------------------#
    #   
    #---------------------------------------------------------------------#
    "cuda"              : True
}

3. 运行predict.py，输入

img/street.jpg

4. 在predict.py里面进行设置可以进行fps测试和video视频检测。

评估步骤

a、评估VOC07+12的测试集

1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集，无需利用voc_annotation.py生成ImageSets文件夹下的txt。
2. 在retinanet.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
3. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

b、评估自己的数据集

1. 本文使用VOC格式进行评估。
2. 如果在训练前已经运行过voc_annotation.py文件，代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1。
3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。
4. 在retinanet.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
5. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

Reference

https://github.com/pierluigiferrari/ssd_keras
https://github.com/kuhung/SSD_keras
https://github.com/qqwweee/keras-yolo3/
https://github.com/Cartucho/mAP

retinanet-pytorch's Issues

anchor生成的问题

为什么生成anchor时这里左上角和右上角为y1,x1,y2,x2?

boxes = np.vstack((yv - anchor_size_y_2, xv - anchor_size_x_2,
yv + anchor_size_y_2, xv + anchor_size_x_2))

这种是运行成功了么，楼主

(base) root@autodl-container-b2e2118052-826a86c4:~/retinanet-pytorch-master# python train.py
Load weights model_data/retinanet_resnet50.pth.

Successful Load Key: ['backbone_net.model.conv1.weight', 'backbone_net.model.bn1.weight', 'backbone_net.model.bn1.bias', 'backbone_net.model.bn1.running_mean', 'backbone_net.model.bn1.running_var', 'backbone_net.model.bn1.num_batches_tracked', 'backbone_net.model.layer1.0.conv1.weight', 'backbone_net.model.layer1.0.bn1.weight', 'backbone_net.model.layer1.0.bn1.bias', 'backbone_net.model.layer1.0.bn1.running_mean', 'backbone_net.model.layer1.0.bn1.running_var', 'backbone_net.model.layer1.0.bn1.num_batches_tracked', ' ……
Successful Load Key Num: 354

Fail To Load Key: [] ……
Fail To Load Key num: 0

但是有一次我运行之后，迭代五次就爆了错误
Get map.
0%| | 0/4952 [00:03<?, ?it/s]
Traceback (most recent call last):
File "train.py", line 515, in
epoch_step, epoch_step_val, gen, gen_val, UnFreeze_Epoch, Cuda, fp16, scaler, save_period, save_dir, local_rank)
File "/root/retinanet-pytorch-master/utils/utils_fit.py", line 105, in fit_one_epoch
eval_callback.on_epoch_end(epoch + 1, model_train)
File "/root/retinanet-pytorch-master/utils/callbacks.py", line 196, in on_epoch_end
self.get_map_txt(image_id, image, self.class_names, self.map_out_path)
File "/root/retinanet-pytorch-master/utils/callbacks.py", line 143, in get_map_txt
results = non_max_suppression(torch.cat([outputs, classification], axis=-1), self.input_shape,
TypeError: cat() got an unexpected keyword argument 'axis'

感谢分享代码，我看你代码里是在您训练好的模型上继续训练的。。我如果想改网络结构那这个权重就不能用了，我能不能只加载特征提取网络的权重然后训练后面的网络啊。这样改怎么做呢

mAP复现问题

bubbliiing大哥，我做了大概一周您的这个project,但是目前我用您提供的权重复现不了81.56%的检测精度，我就是用的您的代码啊。
我想再次确认一下，600x600pixel的尺度能够获得这个精度吧。

训练了150epoch，map为0.01是怎么回事

有计划会将NMS换成Confluence吗？

感谢代码分享和详细的标注，有计划会将NMS换成Confluence吗？

使用resnet152训练的时候需要修改什么吗？

使用resnet152训练的时候需要修改什么吗？比如经过FPN可以获得5个有效特征层大小，或者PyramidFeatures中提取的C3 C4 C5大小？

Time Cost

计算fps值报错

您好，我用您的代码训练完，也测得了对应的map指标。但是在计算fps值的时候报了如下错误 TypeError: non_max_suppression() got multiple values for argument 'conf_thres'，麻烦请问下您有遇到过这个错误吗？ 我的环境是ubuntu下torch1.8，谢谢了。

有关改为Resnet101/152的问题

我把代码中的phi改成了101代表的数字，并且也在model_data中放入了resnet101的模型，请问这个是什么原因啊，我还需要改哪里吗

数据集问题

你好博主，我的数据集是关于医学图像的没有那种voc的标注xml文件。只有png格式的和两个描述的csv文件，可以直接训练吗，还是需要转到voc的格式。🙏🙏

请问有retinanet画热力图的吗

看了其他模型的有画热力图的，请问retinanet的怎么画热力图呢

关于预训练模型

您好，请问有resnet34的预训练模型吗？为什么我使用在其它地方找到的resnet34的预训练模型对网络进行训练，会出现如下报错信息呢：
pretrained_dict = {k: v for k, v in pretrained_dict.items() if np.shape(model_dict[k]) == np.shape(v)}
KeyError: 'conv1.weight'

num_class=20

您好，我想问一下为什么针对voc数据集，网络预测的分类不是21个？你后面算focal_loss不看背景吗

torch版本问题

大佬推荐的是torch=1.2.1，请问可以用更高版本的torch吗？

训练mAP问题

b导，我在使用retinaNet训练时，使用主干网络作为预训练权重，然后pretrain设置为true，结果显示：
Only tensors or tuples of tensors can be output from traced functions ...Error occurs, No graph saved
然后训练的每10代验证集mAP一直是0.00几，这是哪里出现问题如何解决呢？

FileNotFoundError: [Errno 2] No such file or directory: '288'

您好， 我在按照所有步骤正常执行后，运行train.py提示这样的错误。
File "C:\Users\TitanV\AppData\Roaming\Python\Python36\site-packages\PIL\Image.py", line 2766, in open
fp = builtins.open(filename+'.jpg', "rb")
FileNotFoundError: [Errno 2] No such file or directory: '288'

大神你好我想问要怎样改pytorch版本的retinanet的先验框大小

图上是我用大神在github程式码训练自己数据得到的map，pytorch的ssd在我我先验框后map有所提升，但是我不会改retinanet的


上两张图是我使用kmean的方法求得的先验框

修改nms

大神您好，请问如果想要改nms的话要改哪些地方呢？

有关加入cascade的问题

您好，我在训练自己的数据集时，发现了生成box与gt存在一点差距的问题，boss让我加入cascade来解决。但是我看了下cascade的代码，感觉脑子好混乱，里面还涉及了roipooling、RoIAlign等等。请问如果我要在这个retina中加入cascade的话，要在哪里改，大概的思路是什么，谢谢！

预测结果

您好，请问为什么检测图片的时候一个目标会预测出两个类呢？

计算map

你好，请问为什么计算map时，召回率与精确度都一样，但map的结果却相差了10呢？