目標(biāo)檢測比賽中的tricks集錦

1.數(shù)據(jù)增強

可參考：

初識CV：MMDetection中文文檔
https://zhuanlan.zhihu.com/p/101222759

數(shù)據(jù)增強是增加深度模型魯棒性和泛化性能的常用手段，隨機翻轉(zhuǎn)、隨機裁剪、添加噪聲等也被引入到檢測任務(wù)的訓(xùn)練中來，個人認(rèn)為數(shù)據(jù)（監(jiān)督信息）的適時傳入可能是更有潛力的方向。

個人觀點：

問題： 為什么圖像和Bbox需要進行數(shù)據(jù)增強呢？

答： 因為數(shù)據(jù)多了就可以盡可能多的學(xué)習(xí)到圖像中的不變性，學(xué)習(xí)到的不變性越多那么模型的泛化能力越強。

但是輸入到CNN中的圖像為什么不具有平移不變性？如何去解決？下面鏈接有專門的解析：

初識CV：輸入到CNN中的圖像為什么不具有平移不變性？如何去解決？
https://zhuanlan.zhihu.com/p/103342289

MMDetection中，數(shù)據(jù)增強包括兩部分：（源碼解析）

新版MMDetection新添加用Albu數(shù)據(jù)庫對圖像進行增強的代碼，位置在mmdetection/configs/albu_example/mask_rcnn_r50_fpn_1x.py，是基于圖像分割的，用于目標(biāo)檢測的代碼更新如下：

初識CV：目標(biāo)檢測tricks：Ablu數(shù)據(jù)庫增強
https://zhuanlan.zhihu.com/p/125036517

1. 圖像增強。

1.1 引入albumentations數(shù)據(jù)增強庫進行增強

這部分代碼需要看開頭‘注意’部分解析，防止修改代碼后運行報錯。

需要修改兩個部分代碼：

• mmdet/datasets/pipelines/transforms.py，修改后的源碼如下：

mmdet/datasets/pipelines/transforms.py
https://zhuanlan.zhihu.com/p/107922611

• mmdet/datasets/pipelines/__init__.py，修改后的源碼如下：

mmdet/datasets/pipelines/__init__.py
https://zhuanlan.zhihu.com/p/107922962

具體修改方式如下：添加dict(type='Albu', transforms = [{"type": 'RandomRotate90'}])，其他的類似。

train_pipeline = [    dict(type='LoadImageFromFile'),    dict(type='LoadAnnotations', with_bbox=True),    dict(type='Albu', transforms = [{"type": 'RandomRotate90'}]),# 數(shù)據(jù)增強    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),    dict(type='RandomFlip', flip_ratio=0.5),    dict(type='Normalize', **img_norm_cfg),    dict(type='Pad', size_divisor=32),    dict(type='DefaultFormatBundle'),    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),]

1.2 MMDetection自帶數(shù)據(jù)增強：

• 源碼在mmdet/datasets/extra_aug.py里面，包括RandomCrop、brightness、contrast、saturation、ExtraAugmentation等等圖像增強方法。
• 添加位置是train_pipeline或test_pipeline這個地方（一般train進行增強而test不需要），例如數(shù)據(jù)增強RandomFlip，flip_ratio代表隨機翻轉(zhuǎn)的概率：

train_pipeline = [    dict(type='LoadImageFromFile'),    dict(type='LoadAnnotations', with_bbox=True),    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),    dict(type='RandomFlip', flip_ratio=0.5),    dict(type='Normalize', **img_norm_cfg),    dict(type='Pad', size_divisor=32),    dict(type='DefaultFormatBundle'),    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),]test_pipeline = [    dict(type='LoadImageFromFile'),    dict(        type='MultiScaleFlipAug',        img_scale=(1333, 800),        flip=False,        transforms=[            dict(type='Resize', keep_ratio=True),            dict(type='RandomFlip'),            dict(type='Normalize', **img_norm_cfg),            dict(type='Pad', size_divisor=32),            dict(type='ImageToTensor', keys=['img']),            dict(type='Collect', keys=['img']),        ])]

2. Bbox增強

• albumentations數(shù)據(jù)增強（同上）
• 源碼在mmdet/datasets/custom.py里面，增強源碼為：

 def pre_pipeline(self, results):        results['img_prefix'] = self.img_prefix        results['seg_prefix'] = self.seg_prefix        results['proposal_file'] = self.proposal_file        results['bbox_fields'] = []        results['mask_fields'] = []

2.Multi-scale Training/Testing 多尺度訓(xùn)練/測試

可參考：

初識CV：MMDetection中文文檔—4.技術(shù)細(xì)節(jié)
https://zhuanlan.zhihu.com/p/101222759

輸入圖片的尺寸對檢測模型的性能影響相當(dāng)明顯，事實上，多尺度是提升精度最明顯的技巧之一。在基礎(chǔ)網(wǎng)絡(luò)部分常常會生成比原圖小數(shù)十倍的特征圖，導(dǎo)致小物體的特征描述不容易被檢測網(wǎng)絡(luò)捕捉。通過輸入更大、更多尺寸的圖片進行訓(xùn)練，能夠在一定程度上提高檢測模型對物體大小的魯棒性，僅在測試階段引入多尺度，也可享受大尺寸和多尺寸帶來的增益。

multi-scale training/testing最早見于[1]，訓(xùn)練時，預(yù)先定義幾個固定的尺度，每個epoch隨機選擇一個尺度進行訓(xùn)練。測試時，生成幾個不同尺度的feature map，對每個Region Proposal，在不同的feature map上也有不同的尺度，我們選擇最接近某一固定尺寸（即檢測頭部的輸入尺寸）的Region Proposal作為后續(xù)的輸入。在[2]中，選擇單一尺度的方式被Maxout（element-wise max，逐元素取最大）取代：隨機選兩個相鄰尺度，經(jīng)過Pooling后使用Maxout進行合并，如下圖所示。

使用Maxout合并feature vector

近期的工作如FPN等已經(jīng)嘗試在不同尺度的特征圖上進行檢測，但多尺度訓(xùn)練/測試仍作為一種提升性能的有效技巧被應(yīng)用在MS COCO等比賽中。

問題：多尺度的選擇有什么規(guī)則和技巧嗎？

答：如果模型不考慮時間開銷，尺寸往大的開。一般來說尺度越大效果越好，主要是因為檢測的小目標(biāo)越多效果越差。如果是新手那就按照默認(rèn)參數(shù)的比例擴大就行了，然后測試的時候取訓(xùn)練集的中間值。比如cascade50默認(rèn)尺度是(1333,800)，多尺度可以按照默認(rèn)尺度的倍數(shù)擴大比如擴大兩倍(2666,1600)，多尺度訓(xùn)練可以寫成[(1333, 800), (2666, 1600)]，單尺度測試可以選擇(2000, 1200)，多尺度測試可以選擇為多尺度訓(xùn)練的尺度加上他們的中間值[(1333, 800), (2000, 1200)，(2666, 1600)]。keep_ratio=True，一般不考慮長邊。

MMDetection中，多尺度訓(xùn)練/測試：（源碼解析）

只需要修改train_pipeline 和test_pipeline中的img_scale部分即可（換成[(), ()]或者[(), (), ().....]）。帶來的影響是：train達到擬合的時間增加、test的時間增加，一旦test的時間增加一定會影響比賽的分?jǐn)?shù)，因為比賽都會將測試的時間作為評分標(biāo)準(zhǔn)之一：

參數(shù)解析：

• train_pipeline中dict(type='Resize', img_scale=(1333, 800), keep_ratio=True)的keep_ratio解析。假設(shè)原始圖像大小為（1500， 1000），ratio=長邊/短邊 = 1.5。

• 當(dāng)keep_ratio=True時，img_scale的多尺度最多為兩個。假設(shè)多尺度為[(2000, 1200), (1333, 800)]，則代表的含義為：首先將圖像的短邊固定到800到1200范圍中的某一個數(shù)值假設(shè)為1100，那么對應(yīng)的長邊應(yīng)該是短邊的ratio=1.5倍為?，且長邊的取值在1333到2000的范圍之內(nèi)。如果大于2000按照2000計算，小于1300按照1300計算。
• 當(dāng)keep_ratio=False時，img_scale的多尺度可以為任意多個。假設(shè)多尺度為[(2000, 1200), (1666, 1000),(1333, 800)]，則代表的含義為：隨機從三個尺度中選取一個作為圖像的尺寸進行訓(xùn)練。

• test_pipeline 中img_scale的尺度可以為任意多個，含義為對測試集進行多尺度測試（可以理解為TTA）。

train_pipeline = [    dict(type='LoadImageFromFile'),    dict(type='LoadAnnotations', with_bbox=True),    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), #這里可以更換多尺度[(),()]    dict(type='RandomFlip', flip_ratio=0.5),    dict(type='Normalize', **img_norm_cfg),    dict(type='Pad', size_divisor=32),    dict(type='DefaultFormatBundle'),    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),]test_pipeline = [    dict(type='LoadImageFromFile'),    dict(        type='MultiScaleFlipAug',        img_scale=(1333, 800), #這里可以更換多尺度[(),()]        flip=False,        transforms=[            dict(type='Resize', keep_ratio=True),            dict(type='RandomFlip'),            dict(type='Normalize', **img_norm_cfg),            dict(type='Pad', size_divisor=32),            dict(type='ImageToTensor', keys=['img']),            dict(type='Collect', keys=['img']),        ])]

3.Global Context 全局語境

這一技巧在ResNet的工作[3]中提出，做法是把整張圖片作為一個RoI，對其進行RoI Pooling并將得到的feature vector拼接于每個RoI的feature vector上，作為一種輔助信息傳入之后的R-CNN子網(wǎng)絡(luò)。目前，也有把相鄰尺度上的RoI互相作為context共同傳入的做法。

這一部分暫時沒有代碼解析。

4.Box Refinement/Voting 預(yù)測框微調(diào)/投票法/模型融合

微調(diào)法和投票法由工作[4]提出，前者也被稱為Iterative Localization。

微調(diào)法最初是在SS算法得到的Region Proposal基礎(chǔ)上用檢測頭部進行多次迭代得到一系列box，在ResNet的工作中，作者將輸入R-CNN子網(wǎng)絡(luò)的Region Proposal和R-CNN子網(wǎng)絡(luò)得到的預(yù)測框共同進行NMS（見下面小節(jié)）后處理，最后，把跟NMS篩選所得預(yù)測框的IoU超過一定閾值的預(yù)測框進行按其分?jǐn)?shù)加權(quán)的平均，得到最后的預(yù)測結(jié)果。

投票法可以理解為以頂尖篩選出一流，再用一流的結(jié)果進行加權(quán)投票決策。

不同的訓(xùn)練策略，不同的 epoch 預(yù)測的結(jié)果，使用 NMS 來融合，或者soft_nms

需要調(diào)整的參數(shù)：

• box voting 的閾值。
• 不同的輸入中這個框至少出現(xiàn)了幾次來允許它輸出。
• 得分的閾值，一個目標(biāo)框的得分低于這個閾值的時候，就刪掉這個目標(biāo)框。

模型融合主要分為兩種情況：

這里主要是在nms之前，對于不同模型預(yù)測出來的結(jié)果，根據(jù)score來排序再做nms操作。

2. 多個模型的融合

這里是指不同的方法，比如說faster rcnn與retinanet的融合，可以有兩種情況：

a) 取并集，防止漏檢。

b) 取交集，防止誤檢，提高精度。

5.隨機權(quán)值平均（Stochastic Weight Averaging，SWA）

隨機權(quán)值平均只需快速集合集成的一小部分算力，就可以接近其表現(xiàn)。SWA 可以用在任意架構(gòu)和數(shù)據(jù)集上，都會有不錯的表現(xiàn)。根據(jù)論文中的實驗，SWA 可以得到我之前提到過的更寬的極小值。在經(jīng)典認(rèn)知下，SWA 不算集成，因為在訓(xùn)練的最終階段你只得到一個模型，但它的表現(xiàn)超過了快照集成，接近 FGE（多個模型取平均）。

左圖:W1、W2、W3分別代表3個獨立訓(xùn)練的網(wǎng)絡(luò)，Wswa為其平均值。中圖：WSWA 在測試集上的表現(xiàn)超越了SGD。右圖：WSWA 在訓(xùn)練時的損失比SGD要高。

結(jié)合 WSWA 在測試集上優(yōu)于 SGD 的表現(xiàn)，這意味著盡管 WSWA 訓(xùn)練時的損失較高，它的泛化性更好。

SWA 的直覺來自以下由經(jīng)驗得到的觀察：每個學(xué)習(xí)率周期得到的局部極小值傾向于堆積在損失平面的低損失值區(qū)域的邊緣（上圖左側(cè)的圖形中，褐色區(qū)域誤差較低，點W1、W2、3分別表示3個獨立訓(xùn)練的網(wǎng)絡(luò)，位于褐色區(qū)域的邊緣）。對這些點取平均值，可能得到一個寬闊的泛化解，其損失更低（上圖左側(cè)圖形中的 WSWA）。

下面是 SWA 的工作原理。它只保存兩個模型，而不是許多模型的集成：

1. 第一個模型保存模型權(quán)值的平均值（WSWA）。在訓(xùn)練結(jié)束后，它將是用于預(yù)測的最終模型。
2. 第二個模型（W）將穿過權(quán)值空間，基于周期性學(xué)習(xí)率規(guī)劃探索權(quán)重空間。

SWA權(quán)重更新公式

在每個學(xué)習(xí)率周期的末尾，第二個模型的當(dāng)前權(quán)重將用來更新第一個模型的權(quán)重（公式如上）。因此，在訓(xùn)練階段，只需訓(xùn)練一個模型，并在內(nèi)存中儲存兩個模型。預(yù)測時只需要平均模型，基于其進行預(yù)測將比之前描述的集成快很多，因為在那種集成中，你需要使用多個模型進行預(yù)測，最后再進行平均。

方法實現(xiàn)：

論文的作者自己提供了一份 PyTorch 的實現(xiàn) ：

timgaripov/swa
https://github.com/timgaripov/swa

此外，基于 fast.ai 庫的 SWA 可見 ：

Add Stochastic Weight Averaging by wdhorton · Pull Request #276 · fastai/fastai
https://github.com/fastai/fastai/pull/276/commits

6.OHEM 在線難例挖掘

OHEM(Online Hard negative Example Mining，https://arxiv.org/pdf/1604.03540.pdf)，在線難例挖掘)見于[5]。兩階段檢測模型中，提出的RoI Proposal在輸入R-CNN子網(wǎng)絡(luò)前，我們有機會對正負(fù)樣本（背景類和前景類）的比例進行調(diào)整。通常，背景類的RoI Proposal個數(shù)要遠(yuǎn)遠(yuǎn)多于前景類，F(xiàn)ast R-CNN的處理方式是隨機對兩種樣本進行上采樣和下采樣，以使每一batch的正負(fù)樣本比例保持在1:3，這一做法緩解了類別比例不均衡的問題，是兩階段方法相比單階段方法具有優(yōu)勢的地方，也被后來的大多數(shù)工作沿用。

論文中把OHEM應(yīng)用在Fast R-CNN，是因為Fast R-CNN相當(dāng)于目標(biāo)檢測各大框架的母體，很多框架都是它的變形，所以作者在Fast R-CNN上應(yīng)用很有說明性。

Fast R-CNN框架

上圖是Fast R-CNN框架，簡單的說，F(xiàn)ast R-CNN框架是將224×224的圖片當(dāng)作輸入，經(jīng)過conv，pooling等操作輸出feature map，通過selective search 創(chuàng)建2000個region proposal，將其一起輸入ROI pooling層，接上全連接層與兩個損失層。

OHEM圖解，應(yīng)用于Fast R-CNN

作者將OHEM應(yīng)用在Fast R-CNN的網(wǎng)絡(luò)結(jié)構(gòu)，如上圖，這里包含兩個RoI network，上面一個RoI network是只讀的，為所有的RoI 在前向傳遞的時候分配空間，下面一個RoI network則同時為前向和后向分配空間。在OHEM的工作中，作者提出用R-CNN子網(wǎng)絡(luò)對RoI Proposal預(yù)測的分?jǐn)?shù)來決定每個batch選用的樣本。這樣，輸入R-CNN子網(wǎng)絡(luò)的RoI Proposal總為其表現(xiàn)不好的樣本，提高了監(jiān)督學(xué)習(xí)的效率。

首先，RoI 經(jīng)過RoI plooling層生成feature map，然后進入只讀的RoI network得到所有RoI 的loss；然后是hard RoI sampler結(jié)構(gòu)根據(jù)損失排序選出hard example，并把這些hard example作為下面那個RoI network的輸入。

實際訓(xùn)練的時候，每個mini-batch包含N個圖像，共|R|個RoI ，也就是每張圖像包含|R|/N個RoI 。經(jīng)過hard RoI sampler篩選后得到B個hard example。作者在文中采用N=2，|R|=4000，B=128。另外關(guān)于正負(fù)樣本的選擇：當(dāng)一個RoI 和一個ground truth的IoU大于0.5，則為正樣本；當(dāng)一個RoI 和所有g(shù)round truth的IoU的最大值小于0.5時為負(fù)樣本。

總結(jié)來說，對于給定圖像，經(jīng)過selective search RoIs，同樣計算出卷積特征圖。但是在綠色部分的（a）中，一個只讀的RoI網(wǎng)絡(luò)對特征圖和所有RoI進行前向傳播，然后Hard RoI module利用這些RoI的loss選擇B個樣本。在紅色部分（b）中，這些選擇出的樣本（hard examples）進入RoI網(wǎng)絡(luò)，進一步進行前向和后向傳播。

MMDetection中，OHEM(online hard example mining)：（源碼解析）

rcnn=[        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.4, # 更換                neg_iou_thr=0.4,                min_pos_iou=0.4,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.5,                neg_iou_thr=0.5,                min_pos_iou=0.5,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler', # 解決難易樣本，也解決了正負(fù)樣本比例問題。                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.6,                neg_iou_thr=0.6,                min_pos_iou=0.6,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False)    ],    stage_loss_weights=[1, 0.5, 0.25])

7.Soft NMS 軟化非極大抑制

NMS后處理圖示

NMS(Non-Maximum Suppression，非極大抑制）是檢測模型的標(biāo)準(zhǔn)后處理操作，用于去除重合度（IoU）較高的預(yù)測框，只保留預(yù)測分?jǐn)?shù)最高的預(yù)測框作為檢測輸出。Soft NMS由[6]提出。在傳統(tǒng)的NMS中，跟最高預(yù)測分?jǐn)?shù)預(yù)測框重合度超出一定閾值的預(yù)測框會被直接舍棄，作者認(rèn)為這樣不利于相鄰物體的檢測。提出的改進方法是根據(jù)IoU將預(yù)測框的預(yù)測分?jǐn)?shù)進行懲罰，最后再按分?jǐn)?shù)過濾。配合Deformable Convnets（將在之后的文章介紹），Soft NMS在MS COCO上取得了當(dāng)時最佳的表現(xiàn)。算法改進如下：

Soft-NMS算法改進

上圖中的即為軟化函數(shù)，通常取線性或高斯函數(shù)，后者效果稍好一些。當(dāng)然，在享受這一增益的同時，Soft-NMS也引入了一些超參，對不同的數(shù)據(jù)集需要試探以確定最佳配置。

解析Soft NMS論文的一個小知識點：Improving Object Detection With One Line of Code
https://arxiv.org/pdf/1704.04503.pdf

可以根據(jù)論文Table3中對應(yīng)AP@（置信度閾值）的?值設(shè)置iou_thr（nms）的值：

左邊一半（紅色框）是NMS，右邊一半（綠色框）是Soft NMS。在NMS部分，相同?(置信度閾值）條件下（較小的情況下），基本上?值越大，其AP值越小。這主要是因為值越大，有越多的重復(fù)框沒有過濾掉。

左邊一半（紅色框）是NMS，右邊一半（綠色框）是Soft NMS。

MMDetection中，Soft NMS 軟化非極大抑制：（源碼解析）

test_cfg = dict(    rpn=dict(        nms_across_levels=False,        nms_pre=1000,        nms_post=1000,        max_num=1000,        nms_thr=0.7,        min_bbox_size=0),      rcnn=dict(        score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)   # max_per_img表示最終輸出的det bbox數(shù)量    # soft-nms is also supported for rcnn testing    # e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.001)            # soft_nms參數(shù))

8.RoIAlign RoI對齊

RoIAlign是Mask R-CNN（[7]）的工作中提出的，針對的問題是RoI在進行Pooling時有不同程度的取整，這影響了實例分割中mask損失的計算。文章采用雙線性插值的方法將RoI的表示精細(xì)化，并帶來了較為明顯的性能提升。這一技巧也被后來的一些工作（如light-head R-CNN）沿用。

這一部分暫時沒有代碼解析。

9.其他方法

除去上面所列的技巧外，還有一些做法也值得注意：

• 更好的先驗（YOLOv2）：使用聚類方法統(tǒng)計數(shù)據(jù)中box標(biāo)注的大小和長寬比，以更好的設(shè)置anchor box的生成配置
• 更好的pre-train模型：檢測模型的基礎(chǔ)網(wǎng)絡(luò)通常使用ImageNet（通常是ImageNet-1k）上訓(xùn)練好的模型進行初始化，使用更大的數(shù)據(jù)集（ImageNet-5k）預(yù)訓(xùn)練基礎(chǔ)網(wǎng)絡(luò)對精度的提升亦有幫助
• 超參數(shù)的調(diào)整：部分工作也發(fā)現(xiàn)如NMS中IoU閾值的調(diào)整（從0.3到0.5）也有利于精度的提升，但這一方面尚無最佳配置參照

最后，集成（Ensemble）作為通用的手段也被應(yīng)用在比賽中。

代碼部分

1.各部分代碼解析

1.1 faster_rcnn_r50_fpn_1x.py：

首先介紹一下這個配置文件所描述的框架，它是基于resnet50的backbone，有著5個fpn特征層的faster-RCNN目標(biāo)檢測網(wǎng)絡(luò)，訓(xùn)練迭代次數(shù)為標(biāo)準(zhǔn)的12次epoch。

# model settingsmodel = dict(  type='FasterRCNN',                         # model類型    pretrained='modelzoo://resnet50',          # 預(yù)訓(xùn)練模型：imagenet-resnet50    backbone=dict(        type='ResNet',                         # backbone類型        depth=50,                              # 網(wǎng)絡(luò)層數(shù)        num_stages=4,                          # resnet的stage數(shù)量        out_indices=(0, 1, 2, 3),              # 輸出的stage的序號        frozen_stages=1,                       # 凍結(jié)的stage數(shù)量，即該stage不更新參數(shù)，-1表示所有的stage都更新參數(shù)        style='pytorch'),                      # 網(wǎng)絡(luò)風(fēng)格：如果設(shè)置pytorch，則stride為2的層是conv3x3的卷積層；如果設(shè)置caffe，則stride為2的層是第一個conv1x1的卷積層    neck=dict(        type='FPN',                            # neck類型        in_channels=[256, 512, 1024, 2048],    # 輸入的各個stage的通道數(shù)        out_channels=256,                      # 輸出的特征層的通道數(shù)        num_outs=5),                           # 輸出的特征層的數(shù)量    rpn_head=dict(        type='RPNHead',                        # RPN網(wǎng)絡(luò)類型        in_channels=256,                       # RPN網(wǎng)絡(luò)的輸入通道數(shù)        feat_channels=256,                     # 特征層的通道數(shù)        anchor_scales=[8],                     # 生成的anchor的baselen，baselen = sqrt(w*h)，w和h為anchor的寬和高        anchor_ratios=[0.5, 1.0, 2.0],         # anchor的寬高比        anchor_strides=[4, 8, 16, 32, 64],     # 在每個特征層上的anchor的步長（對應(yīng)于原圖）        target_means=[.0, .0, .0, .0],         # 均值        target_stds=[1.0, 1.0, 1.0, 1.0],      # 方差        use_sigmoid_cls=True),                 # 是否使用sigmoid來進行分類，如果False則使用softmax來分類    bbox_roi_extractor=dict(        type='SingleRoIExtractor',                                   # RoIExtractor類型        roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),   # ROI具體參數(shù)：ROI類型為ROIalign，輸出尺寸為7，sample數(shù)為2        out_channels=256,                                            # 輸出通道數(shù)        featmap_strides=[4, 8, 16, 32]),                             # 特征圖的步長    bbox_head=dict(        type='SharedFCBBoxHead',                     # 全連接層類型        num_fcs=2,                                   # 全連接層數(shù)量        in_channels=256,                             # 輸入通道數(shù)        fc_out_channels=1024,                        # 輸出通道數(shù)        roi_feat_size=7,                             # ROI特征層尺寸        num_classes=81,                              # 分類器的類別數(shù)量+1，+1是因為多了一個背景的類別        target_means=[0., 0., 0., 0.],               # 均值        target_stds=[0.1, 0.1, 0.2, 0.2],            # 方差        reg_class_agnostic=False))                   # 是否采用class_agnostic的方式來預(yù)測，class_agnostic表示輸出bbox時只考慮其是否為前景，后續(xù)分類的時候再根據(jù)該bbox在網(wǎng)絡(luò)中的類別得分來分類，也就是說一個框可以對應(yīng)多個類別# model training and testing settingstrain_cfg = dict(    rpn=dict(        assigner=dict(            type='MaxIoUAssigner',            # RPN網(wǎng)絡(luò)的正負(fù)樣本劃分            pos_iou_thr=0.7,                  # 正樣本的iou閾值            neg_iou_thr=0.3,                  # 負(fù)樣本的iou閾值            min_pos_iou=0.3,                  # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低于0.3，則忽略所有的anchors，否則保留最大IOU的anchor            ignore_iof_thr=-1),               # 忽略bbox的閾值，當(dāng)ground truth中包含需要忽略的bbox時使用，-1表示不忽略        sampler=dict(            type='RandomSampler',             # 正負(fù)樣本提取器類型            num=256,                          # 需提取的正負(fù)樣本數(shù)量            pos_fraction=0.5,                 # 正樣本比例            neg_pos_ub=-1,                    # 最大負(fù)樣本比例，大于該比例的負(fù)樣本忽略，-1表示不忽略            add_gt_as_proposals=False),       # 把ground truth加入proposal作為正樣本        allowed_border=0,                     # 允許在bbox周圍外擴一定的像素        pos_weight=-1,                        # 正樣本權(quán)重，-1表示不改變原始的權(quán)重        smoothl1_beta=1 / 9.0,                # 平滑L1系數(shù)        debug=False),                         # debug模式    rcnn=dict(        assigner=dict(            type='MaxIoUAssigner',            # RCNN網(wǎng)絡(luò)正負(fù)樣本劃分            pos_iou_thr=0.5,                  # 正樣本的iou閾值            neg_iou_thr=0.5,                  # 負(fù)樣本的iou閾值            min_pos_iou=0.5,                  # 正樣本的iou最小值。如果assign給ground truth的anchors中最大的IOU低于0.3，則忽略所有的anchors，否則保留最大IOU的anchor            ignore_iof_thr=-1),               # 忽略bbox的閾值，當(dāng)ground truth中包含需要忽略的bbox時使用，-1表示不忽略        sampler=dict(            type='RandomSampler',             # 正負(fù)樣本提取器類型            num=512,                          # 需提取的正負(fù)樣本數(shù)量            pos_fraction=0.25,                # 正樣本比例            neg_pos_ub=-1,                    # 最大負(fù)樣本比例，大于該比例的負(fù)樣本忽略，-1表示不忽略            add_gt_as_proposals=True),        # 把ground truth加入proposal作為正樣本        pos_weight=-1,                        # 正樣本權(quán)重，-1表示不改變原始的權(quán)重        debug=False))                         # debug模式test_cfg = dict(    rpn=dict(                                 # 推斷時的RPN參數(shù)        nms_across_levels=False,              # 在所有的fpn層內(nèi)做nms        nms_pre=2000,                         # 在nms之前保留的的得分最高的proposal數(shù)量        nms_post=2000,                        # 在nms之后保留的的得分最高的proposal數(shù)量        max_num=2000,                         # 在后處理完成之后保留的proposal數(shù)量        nms_thr=0.7,                          # nms閾值        min_bbox_size=0),                     # 最小bbox尺寸    rcnn=dict(        score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)   # max_per_img表示最終輸出的det bbox數(shù)量    # soft-nms is also supported for rcnn testing    # e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.05)            # soft_nms參數(shù))# dataset settingsdataset_type = 'CocoDataset'                # 數(shù)據(jù)集類型data_root = 'data/coco/'                    # 數(shù)據(jù)集根目錄img_norm_cfg = dict(    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)   # 輸入圖像初始化，減去均值mean并處以方差std，to_rgb表示將bgr轉(zhuǎn)為rgbdata = dict(    imgs_per_gpu=2,                # 每個gpu計算的圖像數(shù)量    workers_per_gpu=2,             # 每個gpu分配的線程數(shù)    train=dict(        type=dataset_type,                                                 # 數(shù)據(jù)集類型        ann_file=data_root + 'annotations/instances_train2017.json',       # 數(shù)據(jù)集annotation路徑        img_prefix=data_root + 'train2017/',                               # 數(shù)據(jù)集的圖片路徑        img_scale=(1333, 800),                                             # 輸入圖像尺寸，最大邊1333，最小邊800        img_norm_cfg=img_norm_cfg,                                         # 圖像初始化參數(shù)        size_divisor=32,                                                   # 對圖像進行resize時的最小單位，32表示所有的圖像都會被resize成32的倍數(shù)        flip_ratio=0.5,                                                    # 圖像的隨機左右翻轉(zhuǎn)的概率        with_mask=False,                                                   # 訓(xùn)練時附帶mask        with_crowd=True,                                                   # 訓(xùn)練時附帶difficult的樣本        with_label=True),                                                  # 訓(xùn)練時附帶label    val=dict(        type=dataset_type,                                                 # 同上        ann_file=data_root + 'annotations/instances_val2017.json',         # 同上        img_prefix=data_root + 'val2017/',                                 # 同上        img_scale=(1333, 800),                                             # 同上        img_norm_cfg=img_norm_cfg,                                         # 同上        size_divisor=32,                                                   # 同上        flip_ratio=0,                                                      # 同上        with_mask=False,                                                   # 同上        with_crowd=True,                                                   # 同上        with_label=True),                                                  # 同上    test=dict(        type=dataset_type,                                                 # 同上        ann_file=data_root + 'annotations/instances_val2017.json',         # 同上        img_prefix=data_root + 'val2017/',                                 # 同上        img_scale=(1333, 800),                                             # 同上        img_norm_cfg=img_norm_cfg,                                         # 同上        size_divisor=32,                                                   # 同上        flip_ratio=0,                                                      # 同上        with_mask=False,                                                   # 同上        with_label=False,                                                  # 同上        test_mode=True))                                                   # 同上# optimizeroptimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)   # 優(yōu)化參數(shù)，lr為學(xué)習(xí)率，momentum為動量因子，weight_decay為權(quán)重衰減因子optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))          # 梯度均衡參數(shù)# learning policylr_config = dict(    policy='step',                        # 優(yōu)化策略    warmup='linear',                      # 初始的學(xué)習(xí)率增加的策略，linear為線性增加    warmup_iters=500,                     # 在初始的500次迭代中學(xué)習(xí)率逐漸增加    warmup_ratio=1.0 / 3,                 # 起始的學(xué)習(xí)率    step=[8, 11])                         # 在第8和11個epoch時降低學(xué)習(xí)率checkpoint_config = dict(interval=1)      # 每1個epoch存儲一次模型# yapf:disablelog_config = dict(    interval=50,                          # 每50個batch輸出一次信息    hooks=[        dict(type='TextLoggerHook'),      # 控制臺輸出信息的風(fēng)格        # dict(type='TensorboardLoggerHook')    ])# yapf:enable# runtime settingstotal_epochs = 12                               # 最大epoch數(shù)dist_params = dict(backend='nccl')              # 分布式參數(shù)log_level = 'INFO'                              # 輸出信息的完整度級別work_dir = './work_dirs/faster_rcnn_r50_fpn_1x' # log文件和模型文件存儲路徑load_from = None                                # 加載模型的路徑，None表示從預(yù)訓(xùn)練模型加載resume_from = None                              # 恢復(fù)訓(xùn)練模型的路徑workflow = [('train', 1)]                       # 當(dāng)前工作區(qū)名稱

1.2 cascade_rcnn_r50_fpn_1x.py

cascade-RCNN是cvpr2018的文章，相比于faster-RCNN的改進主要在于其RCNN有三個stage，這三個stage逐級refine檢測的結(jié)果，使得結(jié)果達到更高的精度。下面逐條解釋其config的含義，與faster-RCNN相同的部分就不再贅述

# model settingsmodel = dict(    type='CascadeRCNN',    num_stages=3,                     # RCNN網(wǎng)絡(luò)的stage數(shù)量，在faster-RCNN中為1    pretrained='modelzoo://resnet50',    backbone=dict(        type='ResNet',        depth=50,        num_stages=4,        out_indices=(0, 1, 2, 3),        frozen_stages=1,        style='pytorch'),    neck=dict(        type='FPN',        in_channels=[256, 512, 1024, 2048],        out_channels=256,        num_outs=5),    rpn_head=dict(        type='RPNHead',        in_channels=256,        feat_channels=256,        anchor_scales=[8],        anchor_ratios=[0.5, 1.0, 2.0],        anchor_strides=[4, 8, 16, 32, 64],        target_means=[.0, .0, .0, .0],        target_stds=[1.0, 1.0, 1.0, 1.0],        use_sigmoid_cls=True),    bbox_roi_extractor=dict(        type='SingleRoIExtractor',        roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),        out_channels=256,        featmap_strides=[4, 8, 16, 32]),    bbox_head=[        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=81,            target_means=[0., 0., 0., 0.],            target_stds=[0.1, 0.1, 0.2, 0.2],            reg_class_agnostic=True),        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=81,            target_means=[0., 0., 0., 0.],            target_stds=[0.05, 0.05, 0.1, 0.1],            reg_class_agnostic=True),        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=81,            target_means=[0., 0., 0., 0.],            target_stds=[0.033, 0.033, 0.067, 0.067],            reg_class_agnostic=True)    ])# model training and testing settingstrain_cfg = dict(    rpn=dict(        assigner=dict(            type='MaxIoUAssigner',            pos_iou_thr=0.7,            neg_iou_thr=0.3,            min_pos_iou=0.3,            ignore_iof_thr=-1),        sampler=dict(            type='RandomSampler',            num=256,            pos_fraction=0.5,            neg_pos_ub=-1,            add_gt_as_proposals=False),        allowed_border=0,        pos_weight=-1,        smoothl1_beta=1 / 9.0,        debug=False),    rcnn=[                    # 注意，這里有3個RCNN的模塊，對應(yīng)開頭的那個RCNN的stage數(shù)量        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.5,                neg_iou_thr=0.5,                min_pos_iou=0.5,                ignore_iof_thr=-1),            sampler=dict(                type='RandomSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.6,                neg_iou_thr=0.6,                min_pos_iou=0.6,                ignore_iof_thr=-1),            sampler=dict(                type='RandomSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.7,                neg_iou_thr=0.7,                min_pos_iou=0.7,                ignore_iof_thr=-1),            sampler=dict(                type='RandomSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False)    ],    stage_loss_weights=[1, 0.5, 0.25])     # 3個RCNN的stage的loss權(quán)重test_cfg = dict(    rpn=dict(        nms_across_levels=False,        nms_pre=2000,        nms_post=2000,        max_num=2000,        nms_thr=0.7,        min_bbox_size=0),    rcnn=dict(        score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100),    keep_all_stages=False)         # 是否保留所有stage的結(jié)果# dataset settingsdataset_type = 'CocoDataset'data_root = 'data/coco/'img_norm_cfg = dict(    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)data = dict(    imgs_per_gpu=2,    workers_per_gpu=2,    train=dict(        type=dataset_type,        ann_file=data_root + 'annotations/instances_train2017.json',        img_prefix=data_root + 'train2017/',        img_scale=(1333, 800),        img_norm_cfg=img_norm_cfg,        size_divisor=32,        flip_ratio=0.5,        with_mask=False,        with_crowd=True,        with_label=True),    val=dict(        type=dataset_type,        ann_file=data_root + 'annotations/instances_val2017.json',        img_prefix=data_root + 'val2017/',        img_scale=(1333, 800),        img_norm_cfg=img_norm_cfg,        size_divisor=32,        flip_ratio=0,        with_mask=False,        with_crowd=True,        with_label=True),    test=dict(        type=dataset_type,        ann_file=data_root + 'annotations/instances_val2017.json',        img_prefix=data_root + 'val2017/',        img_scale=(1333, 800),        img_norm_cfg=img_norm_cfg,        size_divisor=32,        flip_ratio=0,        with_mask=False,        with_label=False,        test_mode=True))# optimizeroptimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))# learning policylr_config = dict(    policy='step',    warmup='linear',    warmup_iters=500,    warmup_ratio=1.0 / 3,    step=[8, 11])checkpoint_config = dict(interval=1)# yapf:disablelog_config = dict(    interval=50,    hooks=[        dict(type='TextLoggerHook'),        # dict(type='TensorboardLoggerHook')    ])# yapf:enable# runtime settingstotal_epochs = 12dist_params = dict(backend='nccl')log_level = 'INFO'work_dir = './work_dirs/cascade_rcnn_r50_fpn_1x'load_from = Noneresume_from = Noneworkflow = [('train', 1)]

2.trick部分代碼，cascade_rcnn_r50_fpn_1x.py：

# fp16 settingsfp16 = dict(loss_scale=512.)# model settingsmodel = dict(    type='CascadeRCNN',    num_stages=3,    pretrained='torchvision://resnet50',    backbone=dict(        type='ResNet',        depth=50,        num_stages=4,        out_indices=(0, 1, 2, 3),        frozen_stages=1,        style='pytorch',        #dcn=dict( #在最后三個block加入可變形卷積          #   modulated=False, deformable_groups=1, fallback_on_stride=False),          #  stage_with_dcn=(False, True, True, True)        ),    neck=dict(        type='FPN',        in_channels=[256, 512, 1024, 2048],        out_channels=256,        num_outs=5),    rpn_head=dict(        type='RPNHead',        in_channels=256,        feat_channels=256,        anchor_scales=[8],        anchor_ratios=[0.2, 0.5, 1.0, 2.0, 5.0], # 添加了0.2，5，過兩天發(fā)圖        anchor_strides=[4, 8, 16, 32, 64],        target_means=[.0, .0, .0, .0],        target_stds=[1.0, 1.0, 1.0, 1.0],        loss_cls=dict(            type='FocalLoss', use_sigmoid=True, loss_weight=1.0), # 修改了loss，為了調(diào)控難易樣本與正負(fù)樣本比例        loss_bbox=dict(type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)),    bbox_roi_extractor=dict(        type='SingleRoIExtractor',        roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),        out_channels=256,        featmap_strides=[4, 8, 16, 32]),    bbox_head=[        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=11,            target_means=[0., 0., 0., 0.],            target_stds=[0.1, 0.1, 0.2, 0.2],            reg_class_agnostic=True,            loss_cls=dict(                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=11,            target_means=[0., 0., 0., 0.],            target_stds=[0.05, 0.05, 0.1, 0.1],            reg_class_agnostic=True,            loss_cls=dict(                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)),        dict(            type='SharedFCBBoxHead',            num_fcs=2,            in_channels=256,            fc_out_channels=1024,            roi_feat_size=7,            num_classes=11,            target_means=[0., 0., 0., 0.],            target_stds=[0.033, 0.033, 0.067, 0.067],            reg_class_agnostic=True,            loss_cls=dict(                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),            loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))    ])# model training and testing settingstrain_cfg = dict(    rpn=dict(        assigner=dict(            type='MaxIoUAssigner',            pos_iou_thr=0.7,            neg_iou_thr=0.3,            min_pos_iou=0.3,            ignore_iof_thr=-1),        sampler=dict(            type='RandomSampler',             num=256,            pos_fraction=0.5,            neg_pos_ub=-1,            add_gt_as_proposals=False),        allowed_border=0,        pos_weight=-1,        debug=False),    rpn_proposal=dict(        nms_across_levels=False,        nms_pre=2000,        nms_post=2000,        max_num=2000,        nms_thr=0.7,        min_bbox_size=0),    rcnn=[        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.4, # 更換                neg_iou_thr=0.4,                min_pos_iou=0.4,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.5,                neg_iou_thr=0.5,                min_pos_iou=0.5,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler', # 解決難易樣本，也解決了正負(fù)樣本比例問題。                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False),        dict(            assigner=dict(                type='MaxIoUAssigner',                pos_iou_thr=0.6,                neg_iou_thr=0.6,                min_pos_iou=0.6,                ignore_iof_thr=-1),            sampler=dict(                type='OHEMSampler',                num=512,                pos_fraction=0.25,                neg_pos_ub=-1,                add_gt_as_proposals=True),            pos_weight=-1,            debug=False)    ],    stage_loss_weights=[1, 0.5, 0.25])test_cfg = dict(    rpn=dict(        nms_across_levels=False,        nms_pre=1000,        nms_post=1000,        max_num=1000,        nms_thr=0.7,        min_bbox_size=0),    rcnn=dict(        score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=20)) # 這里可以換為soft_nms# dataset settingsdataset_type = 'CocoDataset'data_root = '../../data/chongqing1_round1_train1_20191223/'img_norm_cfg = dict(    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)train_pipeline = [    dict(type='LoadImageFromFile'),    dict(type='LoadAnnotations', with_bbox=True),    dict(type='Resize', img_scale=(492,658), keep_ratio=True), #這里可以更換多尺度[(),()]    dict(type='RandomFlip', flip_ratio=0.5),    dict(type='Normalize', **img_norm_cfg),    dict(type='Pad', size_divisor=32),    dict(type='DefaultFormatBundle'),    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),]test_pipeline = [    dict(type='LoadImageFromFile'),    dict(        type='MultiScaleFlipAug',        img_scale=(492,658),        flip=False,        transforms=[            dict(type='Resize', keep_ratio=True),            dict(type='RandomFlip'),            dict(type='Normalize', **img_norm_cfg),            dict(type='Pad', size_divisor=32),            dict(type='ImageToTensor', keys=['img']),            dict(type='Collect', keys=['img']),        ])]data = dict(    imgs_per_gpu=8, # 有的同學(xué)不知道batchsize在哪修改，其實就是修改這里，每個gpu同時處理的images數(shù)目。    workers_per_gpu=2,    train=dict(        type=dataset_type,        ann_file=data_root + 'fixed_annotations.json', # 更換自己的json文件        img_prefix=data_root + 'images/', # images目錄        pipeline=train_pipeline),    val=dict(        type=dataset_type,        ann_file=data_root + 'fixed_annotations.json',        img_prefix=data_root + 'images/',        pipeline=test_pipeline),    test=dict(        type=dataset_type,        ann_file=data_root + 'fixed_annotations.json',        img_prefix=data_root + 'images/',        pipeline=test_pipeline))# optimizeroptimizer = dict(type='SGD', lr=0.001, momentum=0.9, weight_decay=0.0001) # lr = 0.00125*batch_size，不能過大，否則梯度爆炸。optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))# learning policylr_config = dict(    policy='step',    warmup='linear',    warmup_iters=500,    warmup_ratio=1.0 / 3,    step=[6, 12, 19])checkpoint_config = dict(interval=1)# yapf:disablelog_config = dict(    interval=64,    hooks=[        dict(type='TextLoggerHook'), # 控制臺輸出信息的風(fēng)格        # dict(type='TensorboardLoggerHook') # 需要安裝tensorflow and tensorboard才可以使用    ])# yapf:enable# runtime settingstotal_epochs = 20dist_params = dict(backend='nccl')log_level = 'INFO'work_dir = '../work_dirs/cascade_rcnn_r50_fpn_1x' # 日志目錄load_from = '../work_dirs/cascade_rcnn_r50_fpn_1x/latest.pth' # 模型加載目錄文件#load_from = '../work_dirs/cascade_rcnn_r50_fpn_1x/cascade_rcnn_r50_coco_pretrained_weights_classes_11.pth'resume_from = Noneworkflow = [('train', 1)]