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

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

3. 按照训练步骤训练。
4. 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
   }

5. 运行predict.py，输入

   img/street.jpg

6. 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