backbone追加

[Toma0916]

一応終わったけどおかしくないか夜間に実験回してみます

[Toma0916]

model自体の書き方を少し変えて

'resnet18': True,
'resnet34': True,
'resnet50': True,
'resnet101': True,  # batch_size=4は乗る
'resnet152': True,   # batch_size=4は乗る     
 'resnext50_32x4d': True,

はとりあえず動くようになりました。 夜間にresnet50とresnet101回してみてとりあえずエラーはおきずに回ってた。 このresnet50たぶん前のモデルと同一だと思うんだけど、スコア再現してみようと思った実験validのスキーム違ったりオーグメントゼロでやったせいかそこまでスコアは上がらなかった。 が、学習自体はちゃんと行われていそうではある。

[追記]resnet50はheadは未pretrainedで以前とは違うみたいです

[Toma0916]

torchvisionのソースを読むオタクになっている

[Toma0916]

if image_mean is None:
　image_mean = [0.485, 0.456, 0.406]
if image_std is None:
　image_std = [0.229, 0.224, 0.225]
transform = GeneralizedRCNNTransform(min_size, max_size, image_mean, image_std)

中で勝手に正規化してるっぽい。 あらかじめデータセットから計算してもいいかも

[Toma0916]

今までの使ってたやつはheadまでcocoでpretrainedしてたやつってことが判明したので、resnet50_cocoってオプションでそれ呼べるようにした。ちなみに以前のやつ含めてデフォルトがMultiScaleRoIAlignの4層をいい感じにpoolなってた。

それ以外のbackboneだけpretrained系は多少後段を弄れたから、少しoption変えておいた。

変更点

• アンカーのサイズとアスペクト比: サイズはスケール落としてアスペクト比は細いやつ足してみた。

• MultiScaleRoIAlignの使う層を1~4で指定出来る。（デフォルトの4が最適かもしれんけど）

• pool後の特徴マップのサイズを指定出来る、デフォルトは7で5~9でとりあえず動くようにした。

• resnet50とresnet50_cocoの比較、性能いいほうがcocoの方でheadまでpretrained

[Toma0916]

@kminoda 一旦このブランチはこれでいいかな

[Toma0916]

お願いします

[kminoda]

もうかたほうでばっぐ中なのでちょいまち というかバッティングしそうなのでお互いみつつマージしたみかも

[Toma0916]

SEYANA

[kminoda]

なんか大丈夫そうだからマージして良いよ バッティングはしなさそう

[Toma0916]

した