milleniums/underwater-object-detection-mmdetection

和鲸社区Kesci 水下目标检测算法赛（光学图像赛项）三等奖单模方案

Python

underwater-object-detection-mmdetection

和鲸社区Kesci 水下目标检测算法赛（光学图像赛项）

答辩PPT

coming soon or by contacting with me

整体思路

使用两阶段检测框架，保证精度要求；
使用FPN，增强小目标的检测效果；
使用Mixup、旋转等无损的数据增强技术，减轻网络过拟合，并提升模型泛化能力；
使用多尺度训练与预测，适应图片分辨率差异，可以让参与训练的目标大小分布更加均衡，使模型对目标大小具有一定的鲁棒性；
参考ResNet论文，使用Global Context ROI为每个候选框添加上下文信息，充分利用数据分布特点，提升了检测精度。

消融实验

Backbone	DCN	MS	Mixup	RandomRotate90°	GC	mAP
ResNet50-FPN						baseline
ResNeXt101-FPN	✓	✓				baseline+3.35%
ResNeXt101-FPN	✓	✓	✓			baseline+4.25%
ResNeXt101-FPN	✓	✓			✓	baseline+4.36%
ResNeXt101-FPN	✓	✓		✓	✓	baseline+4.69%

项目运行的资源环境

操作系统：Ubuntu 18.04.2
GPU：2080Ti * 4
Python：Python 3.6.8
NVIDIA依赖：
- CUDA：V10.0.130
- CUDNN：7.4.1
- NVIDIA驱动版本：410.73
深度学习框架：PyTorch1.1.0

环境安装及编译

conda create -n 自拟环境名称 python=3.7 -y
conda install pytorch=1.1.0 torchvision=0.3.0 cudatoolkit=10.0
pip install cython && pip install -r requirements.txt
conda install pillow=6.1
pip install tqdm
pip install pytest-runner -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
python setup.py develop

预训练模型下载

下载mmdetection官方开源的htc的resnext 64×4d 预训练模型
百度网盘下载地址：链接:https://pan.baidu.com/s/1r3uQVpOLKfjF8vfLEYPMgg 密码:811m

模型训练与预测

训练
1. 运行：
  
  x101_64x4d (htc pretrained):
  
  chmod +x tools/dist_train.sh
  
  ./tools/dist_train.sh configs/underwater/cas_x101/cascade_rcnn_x101_64x4d_fpn_dcn_1x.py 4
  
  (上面的4是我的gpu数量，请自行修改)
2. 训练过程文件及最终权重文件均保存在config文件中指定的work_dirs目录中
预测
1. 运行:
  
  x101_64x4d (htc pretrained):
  
  chmod +x tools/dist_test.sh
  
  ./tools/dist_test.sh configs/underwater/cas_x101/cascade_rcnn_x101_64x4d_fpn_dcn_1x.py work_dirs/cas_x101_64x4d_fpn_htc_dconv_1x/latest.pth 4 --json_out results/cas_x101.json
  
  (上面的4是我的gpu数量，请自行修改)
2. 预测结果文件会保存在 /results 目录下
3. 转化mmd预测结果为提交csv格式文件：
  
  python tools/post_process/json2submit.py --test_json cas_x101.bbox.json --submit_file cas_x101.csv
  
  最终符合官方要求格式的提交文件 cas_x101.csv 位于 submit目录下

Reference

Contact

author: hk
qq：3025531252
email: 3025531252@qq.com