TensorFlow Object Detection API中的Faster R-CNN /SSD模型参数调整

关于TensorFlow Object Detection API配置，可以参考之前的文章https://becominghuman.ai/tensorflow-object-detection-api-tutorial-training-and-evaluating-custom-object-detector-ed2594afcf73

在本文中，我将讨论如何更改预训练模型的配置。本文的目的是您可以根据您的应用程序配置TensorFlow/models，而API将不再是一个黑盒！

本文的概述：

• 了解协议缓冲区和proto文件。
• 利用proto文件知识，我们如何了解模型的配置文件
• 遵循3个步骤来更新模型的参数
• 其他示例：

1. 更改重量初始值设定项
2. 更改体重优化器
3. 评估预训练模型

协议缓冲区

要修改模型，我们需要了解它的内部机制。TensorFlow对象检测API使用协议缓冲区（Protocol Buffers），这是与语言无关，与平台无关且可扩展的机制，用于序列化结构化数据。就像XML规模较小，但更快，更简单。API使用协议缓冲区语言的proto2版本。我将尝试解释更新预配置模型所需的语言。有关协议缓冲区语言的更多详细信息，请参阅此文档和Python教程。

协议缓冲区的工作可分为以下三个步骤：

• 在.proto文件中定义消息格式。该文件的行为就像所有消息的蓝图一样，它显示消息所接受的所有参数是什么，参数的数据类型应该是什么，参数是必需的还是可选的，参数的标记号是什么，什么是参数的默认值等。API的protos文件可在此处找到。为了理解，我使用grid_anchor_generator.proto文件。

• syntax = "proto2";
  
  package object_detection.protos;
  
  // Configuration proto for GridAnchorGenerator. See
  // anchor_generators/grid_anchor_generator.py for details.
  message GridAnchorGenerator {
     // Anchor height in pixels.
    optional int32 height = 1 [default = 256];
  
    // Anchor width in pixels.
    optional int32 width = 2 [default = 256];
  
    // Anchor stride in height dimension in pixels.
    optional int32 height_stride = 3 [default = 16];
  
    // Anchor stride in width dimension in pixels.
    optional int32 width_stride = 4 [default = 16];
  
    // Anchor height offset in pixels.
    optional int32 height_offset = 5 [default = 0];
  
    // Anchor width offset in pixels.
    optional int32 width_offset = 6 [default = 0];
  
    // At any given location, len(scales) * len(aspect_ratios) anchors are
    // generated with all possible combinations of scales and aspect ratios.
  
    // List of scales for the anchors.
    repeated float scales = 7;
  
    // List of aspect ratios for the anchors.
    repeated float aspect_ratios = 8;
  }

  它是从线30-33的参数明确scales，并aspect_ratios是强制性的消息GridAnchorGenerator，而参数的其余部分都是可选的，如果不通过，将采取默认值。

  • 定义消息格式后，我们需要编译协议缓冲区。该编译器将从文件生成类.proto文件。在安装API的过程中，我们运行了以下命令，该命令将编译协议缓冲区：

  • # From tensorflow/models/research/
    protoc object_detection/protos/*.proto --python_out=.

    • 在定义和编译协议缓冲区之后，我们需要使用Python协议缓冲区API来写入和读取消息。在我们的例子中，我们可以将配置文件视为协议缓冲区API，它可以在不考虑TensorFlow API的内部机制的情况下写入和读取消息。换句话说，我们可以通过适当地更改配置文件来更新预训练模型的参数。

    • 了解配置文件

      显然，配置文件可以帮助我们根据需要更改模型的参数。弹出的下一个问题是如何更改模型的参数？本节和下一部分将回答这个问题，在这里proto文件的知识将很方便。出于演示目的，我正在使用faster_rcnn_resnet50_pets.config文件。

    • # Faster R-CNN with Resnet-50 (v1), configured for Oxford-IIIT Pets Dataset.
      # Users should configure the fine_tune_checkpoint field in the train config as
      # well as the label_map_path and input_path fields in the train_input_reader and
      # eval_input_reader. Search for "PATH_TO_BE_CONFIGURED" to find the fields that
      # should be configured.
      
      model {
        faster_rcnn {
          num_classes: 37
          image_resizer {
            keep_aspect_ratio_resizer {
              min_dimension: 600
              max_dimension: 1024
            }
          }
          feature_extractor {
            type: 'faster_rcnn_resnet50'
            first_stage_features_stride: 16
          }
          first_stage_anchor_generator {
            grid_anchor_generator {
              scales: [0.25, 0.5, 1.0, 2.0]
              aspect_ratios: [0.5, 1.0, 2.0]
              height_stride: 16
              width_stride: 16
            }
          }
          first_stage_box_predictor_conv_hyperparams {
            op: CONV
            regularizer {
              l2_regularizer {
                weight: 0.0
              }
            }
            initializer {
              truncated_normal_initializer {
                stddev: 0.01
              }
            }
          }
          first_stage_nms_score_threshold: 0.0
          first_stage_nms_iou_threshold: 0.7
          first_stage_max_proposals: 300
          first_stage_localization_loss_weight: 2.0
          first_stage_objectness_loss_weight: 1.0
          initial_crop_size: 14
          maxpool_kernel_size: 2
          maxpool_stride: 2
          second_stage_box_predictor {
            mask_rcnn_box_predictor {
              use_dropout: false
              dropout_keep_probability: 1.0
              fc_hyperparams {
                op: FC
                regularizer {
                  l2_regularizer {
                    weight: 0.0
                  }
                }
                initializer {
                  variance_scaling_initializer {
                    factor: 1.0
                    uniform: true
                    mode: FAN_AVG
                  }
                }
              }
            }
          }
          second_stage_post_processing {
            batch_non_max_suppression {
              score_threshold: 0.0
              iou_threshold: 0.6
              max_detections_per_class: 100
              max_total_detections: 300
            }
            score_converter: SOFTMAX
          }
          second_stage_localization_loss_weight: 2.0
          second_stage_classification_loss_weight: 1.0
        }
      }
      
      train_config: {
        batch_size: 1
        optimizer {
          momentum_optimizer: {
            learning_rate: {
              manual_step_learning_rate {
                initial_learning_rate: 0.0003
                schedule {
                  step: 900000
                  learning_rate: .00003
                }
                schedule {
                  step: 1200000
                  learning_rate: .000003
                }
              }
            }
            momentum_optimizer_value: 0.9
          }
          use_moving_average: false
        }
        gradient_clipping_by_norm: 10.0
        fine_tune_checkpoint: "PATH_TO_BE_CONFIGURED/model.ckpt"
        from_detection_checkpoint: true
        # Note: The below line limits the training process to 200K steps, which we
        # empirically found to be sufficient enough to train the pets dataset. This
        # effectively bypasses the learning rate schedule (the learning rate will
        # never decay). Remove the below line to train indefinitely.
        num_steps: 200000
        data_augmentation_options {
          random_horizontal_flip {
          }
        }
        max_number_of_boxes: 50
      }
      
      train_input_reader: {
        tf_record_input_reader {
          input_path: "PATH_TO_BE_CONFIGURED/pet_train.record"
        }
        label_map_path: "PATH_TO_BE_CONFIGURED/pet_label_map.pbtxt"
      }
      
      eval_config: {
        num_examples: 2000
        # Note: The below line limits the evaluation process to 10 evaluations.
        # Remove the below line to evaluate indefinitely.
        max_evals: 10
      }
      
      eval_input_reader: {
        tf_record_input_reader {
          input_path: "PATH_TO_BE_CONFIGURED/pet_val.record"
        }
        label_map_path: "PATH_TO_BE_CONFIGURED/pet_label_map.pbtxt"
        shuffle: false
        num_readers: 1
      }

      第7至10行表示这num_classes是faster_rcnnmessage 的参数之一，而后者又是message的参数model。同样，optimizer是父train_config消息的子消息，而message的batch_size另一个参数train_config。我们可以通过签出相应的protos文件来验证这一点。

    • syntax = "proto2";
      
      package object_detection.protos;
      
      import "object_detection/protos/anchor_generator.proto";
      import "object_detection/protos/box_predictor.proto";
      import "object_detection/protos/hyperparams.proto";
      import "object_detection/protos/image_resizer.proto";
      import "object_detection/protos/losses.proto";
      import "object_detection/protos/post_processing.proto";
      
      // Configuration for Faster R-CNN models.
      // See meta_architectures/faster_rcnn_meta_arch.py and models/model_builder.py
      //
      // Naming conventions:
      // Faster R-CNN models have two stages: a first stage region proposal network
      // (or RPN) and a second stage box classifier.  We thus use the prefixes
      // `first_stage_` and `second_stage_` to indicate the stage to which each
      // parameter pertains when relevant.
      message FasterRcnn {
      
        // Whether to construct only the Region Proposal Network (RPN).
        optional int32 number_of_stages = 1 [default=2];
      
        // Number of classes to predict.
        optional int32 num_classes = 3;
      
        // Image resizer for preprocessing the input image.
        optional ImageResizer image_resizer = 4;

      从第20行和第26行可以明显看出，这num_classes是optional消息的参数之一faster_rcnn。我希望到目前为止的讨论有助于理解配置文件的组织。现在，是时候正确更新模型的参数之一了。

    • 假设我们需要更新fast_rcnn_resnet50_pets.config文件的image_resizer第10行中提到的参数。

      目标是找到proto参数文件。为此，我们需要在存储库中搜索。

    •  我们需要搜索以下代码：

    • parameter_name path:research/object_detection/protos
      #in our case parameter_name="image_resizer" thus,
      image_resizer path:research/object_detection/protos

      在此path:research/object_detection/protos限制搜索域。在此处可以找到有关如何在GitHub上搜索的更多信息。搜索的输出image_resizer path:research/object_detection/protos如下所示：

    • 从输出中很明显，要更新image_resizer参数，我们需要分析image_resizer.proto文件。

      syntax = "proto2";
      
      package object_detection.protos;
      
      // Configuration proto for image resizing operations.
      // See builders/image_resizer_builder.py for details.
      message ImageResizer {
        oneof image_resizer_oneof {
          KeepAspectRatioResizer keep_aspect_ratio_resizer = 1;
          FixedShapeResizer fixed_shape_resizer = 2;
        }
      }
      
      // Enumeration type for image resizing methods provided in TensorFlow.
      enum ResizeType {
        BILINEAR = 0; // Corresponds to tf.image.ResizeMethod.BILINEAR
        NEAREST_NEIGHBOR = 1; // Corresponds to tf.image.ResizeMethod.NEAREST_NEIGHBOR
        BICUBIC = 2; // Corresponds to tf.image.ResizeMethod.BICUBIC
        AREA = 3; // Corresponds to tf.image.ResizeMethod.AREA
      }
      
      // Configuration proto for image resizer that keeps aspect ratio.
      message KeepAspectRatioResizer {
        // Desired size of the smaller image dimension in pixels.
        optional int32 min_dimension = 1 [default = 600];
      
        // Desired size of the larger image dimension in pixels.
        optional int32 max_dimension = 2 [default = 1024];
      
        // Desired method when resizing image.
        optional ResizeType resize_method = 3 [default = BILINEAR];
      
        // Whether to pad the image with zeros so the output spatial size is
        // [max_dimension, max_dimension]. Note that the zeros are padded to the
        // bottom and the right of the resized image.
        optional bool pad_to_max_dimension = 4 [default = false];
      
        // Whether to also resize the image channels from 3 to 1 (RGB to grayscale).
        optional bool convert_to_grayscale = 5 [default = false];
      
        // Per-channel pad value. This is only used when pad_to_max_dimension is True.
        // If unspecified, a default pad value of 0 is applied to all channels.
        repeated float per_channel_pad_value = 6;
      }
      
      // Configuration proto for image resizer that resizes to a fixed shape.
      message FixedShapeResizer {
        // Desired height of image in pixels.
        optional int32 height = 1 [default = 300];
      
        // Desired width of image in pixels.
        optional int32 width = 2 [default = 300];
      
        // Desired method when resizing image.
        optional ResizeType resize_method = 3 [default = BILINEAR];
      
        // Whether to also resize the image channels from 3 to 1 (RGB to grayscale).
        optional bool convert_to_grayscale = 4 [default = false];
      }

      从第8-10行可以看出，我们可以使用keep_aspect_ratio_resizer或调整图像的大小fixed_shape_resizer。在分析行23-44，我们可以观察到的消息keep_aspect_ratio_resizer有参数：min_dimension，max_dimension，resize_method，pad_to_max_dimension，convert_to_grayscale，和per_channel_pad_value。此外，fixed_shape_resizer有参数：height，width，resize_method，和convert_to_grayscale。proto文件中提到了所有参数的数据类型。因此，要更改image_resizer类型，我们可以在配置文件中更改以下几行。

    • #before
      image_resizer {
      keep_aspect_ratio_resizer {
      min_dimension: 600
      max_dimension: 1024
          }
      }
      #after
      image_resizer {
      fixed_shape_resizer {
      height: 600
      width: 500
      resize_method: AREA
        }
      }

      上面的代码将使用AREA调整大小方法将图像调整为500 * 600。TensorFlow中可用的各种调整大小的方法可以在这里找到。

    • 我们可以使用上一节中讨论的步骤更新/添加任何参数。我将在此处演示一些经常使用的示例，但是上面讨论的步骤可能有助于更新/添加模型的任何参数。

      更改重量初始化器

      • 决定更改fast_rcnn_resnet50_pets.config文件的initializer第35行的参数。
      • initializer path:research/object_detection/protos在存储库中搜索。根据搜索结果，很明显我们需要分析hyperparams.proto文件。
      • • hyperparams.proto文件中的第68–74行说明了initializer配置。

        • message Initializer {
            oneof initializer_oneof {
              TruncatedNormalInitializer truncated_normal_initializer = 1;
              VarianceScalingInitializer variance_scaling_initializer = 2;
              RandomNormalInitializer random_normal_initializer = 3;
            }
          }

          我们可以使用random_normal_intializer代替truncated_normal_initializer，因为我们需要分析hyperparams.proto文件中的第99–102行。

        • message RandomNormalInitializer {
          optional float mean = 1 [default = 0.0];
          optional float stddev = 2 [default = 1.0];
          }
        • 显然random_normal_intializer有两个参数mean和stddev。我们可以将配置文件中的以下几行更改为use random_normal_intializer。

        • #before
          initializer {
              truncated_normal_initializer {
                  stddev: 0.01
                 }
          }
          #after
          initializer {
              random_normal_intializer{
                 mean: 1
                 stddev: 0.5
                 }
          }

          更改体重优化器

          • 决定更改faster_rcnn_resnet50_pets.config文件的第87行momentum_optimizer的父消息的参数。optimizer
          • optimizer path:research/object_detection/protos在存储库中搜索。根据搜索结果，很明显我们需要分析optimizer.proto文件。
          • • optimizer.proto文件中的9-14行，解释optimizer配置。

            message Optimizer {
              oneof optimizer {
                RMSPropOptimizer rms_prop_optimizer = 1;
                MomentumOptimizer momentum_optimizer = 2;
                AdamOptimizer adam_optimizer = 3;
              }

            显然，代替momentum_optimizer我们可以使用adam_optimizer已被证明是良好的优化程序。为此，我们需要在f aster_rcnn_resnet50_pets.config文件中进行以下更改。

        #before
        optimizer {
          momentum_optimizer: {
              learning_rate: {
                   manual_step_learning_rate {
                  initial_learning_rate: 0.0003
                  schedule {
                    step: 900000
                    learning_rate: .00003
                  }
                  schedule {
                    step: 1200000
                    learning_rate: .000003
                  }
                }
              }
              momentum_optimizer_value: 0.9
            }
        #after
        optimizer {
          adam_optimizer: {
              learning_rate: {
               manual_step_learning_rate {
                  initial_learning_rate: 0.0003
                  schedule {
                    step: 900000
                    learning_rate: .00003
                  }
                  schedule {
                    step: 1200000
                    learning_rate: .000003
                  }
                }
              }
            }

        评估预训练模型

        Eval等待300秒，以检查训练模型是否已更新！如果您的GPU不错，那么您可以同时进行训练和评估！通常，资源将被耗尽。为了克服这个问题，我们可以先训练模型，将其保存在目录中，然后再评估模型。为了稍后进行评估，我们需要在配置文件中进行以下更改：

      • #Before
        eval_config: {
          num_examples: 2000
          # Note: The below line limits the evaluation process to 10 evaluations.
          # Remove the below line to evaluate indefinitely.
          max_evals: 10
        }
        #after
        eval_config: {
        num_examples: 10
        num_visualizations: 10
        eval_interval_secs: 0
        }

        num_visualizations应该等于要评估的数量！可视化的数量越多，评估所需的时间就越多。如果您的GPU具有足够的能力同时进行训练和评估，则可以保留eval_interval_secs: 300。此参数决定运行评估的频率。我按照上面讨论的3个步骤得出了这个结论。

        简而言之，协议缓冲区的知识帮助我们理解了模型参数是以消息形式传递的，并且可以更新我们可以引用的.proto文件的参数。讨论了3个简单的步骤来找到.proto用于更新参数的正确文件。

        请在注释的配置文件中提及您要更新/添加的任何参数。

      • 关注【OpenCV与AI深度学习】获得更多资讯

        扫描下面二维码即可关注