#!/usr/bin/env python # 目标检测模型Faster R-CNN训练示例脚本 # 执行此脚本前,请确认已正确安装PaddleRS库 import os import paddlers as pdrs from paddlers import transforms as T # 下载文件存放目录 DOWNLOAD_DIR = './data/sarship/' # 数据集存放目录 DATA_DIR = './data/sarship/sar_ship_1/' # 训练集`file_list`文件路径 TRAIN_FILE_LIST_PATH = './data/sarship/sar_ship_1/train.txt' # 验证集`file_list`文件路径 EVAL_FILE_LIST_PATH = './data/sarship/sar_ship_1/valid.txt' # 数据集类别信息文件路径 LABEL_LIST_PATH = './data/sarship/sar_ship_1/labels.txt' # 实验目录,保存输出的模型权重和结果 EXP_DIR = './output/faster_rcnn/' # 下载和解压SAR影像舰船检测数据集 sarship_dataset = 'https://paddleseg.bj.bcebos.com/dataset/sar_ship_1.tar.gz' if not os.path.exists(DATA_DIR): pdrs.utils.download_and_decompress(sarship_dataset, path=DOWNLOAD_DIR) # 定义训练和验证时使用的数据变换(数据增强、预处理等) # 使用Compose组合多种变换方式。Compose中包含的变换将按顺序串行执行 # API说明:https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/transforms.md train_transforms = T.Compose( [ # 读取影像 T.DecodeImg(), # 对输入影像施加随机色彩扰动 T.RandomDistort(), # 在影像边界进行随机padding T.RandomExpand(), # 随机裁剪,裁块大小在一定范围内变动 T.RandomCrop(), # 随机水平翻转 T.RandomHorizontalFlip(), # 对batch进行随机缩放,随机选择插值方式 T.BatchRandomResize( target_sizes=[320, 352, 384, 416, 448, 480, 512, 544, 576, 608], interp='RANDOM'), # 影像归一化 T.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ], arrange=T.ArrangeDetector('train')) eval_transforms = T.Compose( [ T.DecodeImg(), # 使用双三次插值将输入影像缩放到固定大小 T.Resize( target_size=608, interp='CUBIC'), # 验证阶段与训练阶段的归一化方式必须相同 T.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ], arrange=T.ArrangeDetector('eval')) # 分别构建训练和验证所用的数据集 train_dataset = pdrs.datasets.VOCDetection( data_dir=DATA_DIR, file_list=TRAIN_FILE_LIST_PATH, label_list=LABEL_LIST_PATH, transforms=train_transforms, shuffle=True) eval_dataset = pdrs.datasets.VOCDetection( data_dir=DATA_DIR, file_list=EVAL_FILE_LIST_PATH, label_list=LABEL_LIST_PATH, transforms=eval_transforms, shuffle=False) # 构建Faster R-CNN模型 # 目前已支持的模型请参考:https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/apis/model_zoo.md # 模型输入参数请参考:https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/paddlers/tasks/object_detector.py model = pdrs.tasks.FasterRCNN(num_classes=len(train_dataset.labels)) # 执行模型训练 model.train( num_epochs=10, train_dataset=train_dataset, train_batch_size=4, eval_dataset=eval_dataset, # 每多少个epoch存储一次检查点 save_interval_epochs=5, # 每多少次迭代记录一次日志 log_interval_steps=4, save_dir=EXP_DIR, # 指定预训练权重 pretrain_weights='COCO', # 初始学习率大小 learning_rate=0.005, # 学习率预热(learning rate warm-up)步数与初始值 warmup_steps=0, warmup_start_lr=0.0, # 是否启用VisualDL日志功能 use_vdl=True)