Instance Segmentation

MaskRCNN

paddlex.det.MaskRCNN(num_classes=81, backbone='ResNet50', with_fpn=True, aspect_ratios=[0.5, 1.0, 2.0], anchor_sizes=[32, 64, 128, 256, 512], with_dcn=False, rpn_cls_loss='SigmoidCrossEntropy', rpn_focal_loss_alpha=0.25, rpn_focal_loss_gamma=2, rcnn_bbox_loss='SmoothL1Loss', rcnn_nms='MultiClassNMS', keep_top_k=100, nms_threshold=0.5, score_threshold=0.05, softnms_sigma=0.5, bbox_assigner='BBoxAssigner', fpn_num_channels=256, input_channel=3, rpn_batch_size_per_im=256, rpn_fg_fraction=0.5, test_pre_nms_top_n=None, test_post_nms_top_n=1000)
构建MaskRCNN检测器。注意在MaskRCNN中，num_classes需要设置为类别数+背景类，如目标包括human、dog两种，则num_classes需设为3，多的一种为背景background类别
参数
  • num_classes (int): 包含了背景类的类别数。默认为81。
  • backbone (str): MaskRCNN的backbone网络，取值范围为[’ResNet18’, ‘ResNet50’, ‘ResNet50_vd’, ‘ResNet101’, ‘ResNet101_vd’, ‘HRNet_W18’, ‘ResNet50_vd_ssld’]。默认为’ResNet50’。
  • with_fpn (bool): 是否使用FPN结构。默认为True。
  • aspect_ratios (list): 生成anchor高宽比的可选值。默认为[0.5, 1.0, 2.0]。
  • anchor_sizes (list): 生成anchor大小的可选值。默认为[32, 64, 128, 256, 512]。
  • with_dcn (bool): backbone网络中是否使用deformable convolution network v2。默认为False。
  • rpn_cls_loss (str): RPN部分的分类损失函数，取值范围为[’SigmoidCrossEntropy’, ‘SigmoidFocalLoss’]。当遇到模型误检了很多背景区域时，可以考虑使用’SigmoidFocalLoss’，并调整适合的rpn_focal_loss_alpha和rpn_focal_loss_gamma。默认为’SigmoidCrossEntropy’。
  • rpn_focal_loss_alpha (float)：当RPN的分类损失函数设置为’SigmoidFocalLoss’时，用于调整正样本和负样本的比例因子，默认为0.25。当PN的分类损失函数设置为’SigmoidCrossEntropy’时，rpn_focal_loss_alpha的设置不生效。
  • rpn_focal_loss_gamma (float): 当RPN的分类损失函数设置为’SigmoidFocalLoss’时，用于调整易分样本和难分样本的比例因子，默认为2。当RPN的分类损失函数设置为’SigmoidCrossEntropy’时，rpn_focal_loss_gamma的设置不生效。
  • rcnn_bbox_loss (str): RCNN部分的位置回归损失函数，取值范围为[’SmoothL1Loss’, ‘CIoULoss’]。默认为’SmoothL1Loss’。
  • rcnn_nms (str): RCNN部分的非极大值抑制的计算方法，取值范围为[’MultiClassNMS’, ‘MultiClassSoftNMS’,’MultiClassCiouNMS’]。默认为’MultiClassNMS’。当选择’MultiClassNMS’时，可以将keep_top_k设置成100、nms_threshold设置成0.5、score_threshold设置成0.05。当选择’MultiClassSoftNMS’时，可以将keep_top_k设置为300、score_threshold设置为0.01、softnms_sigma设置为0.5。当选择’MultiClassCiouNMS’时，可以将keep_top_k设置为100、score_threshold设置成0.05、nms_threshold设置成0.5。
  • keep_top_k (int): RCNN部分在进行非极大值抑制计算后，每张图像保留最多保存keep_top_k个检测框。默认为100。
  • nms_threshold (float): RCNN部分在进行非极大值抑制时，用于剔除检测框所需的IoU阈值。当rcnn_nms设置为MultiClassSoftNMS时，nms_threshold的设置不生效。默认为0.5。
  • score_threshold (float): RCNN部分在进行非极大值抑制前，用于过滤掉低置信度边界框所需的置信度阈值。默认为0.05。
  • softnms_sigma (float): 当rcnn_nms设置为MultiClassSoftNMS时，用于调整被抑制的检测框的置信度，调整公式为score = score * weights, weights = exp(-(iou * iou) / softnms_sigma)。默认设为0.5。
  • bbox_assigner (str): 训练阶段，RCNN部分生成正负样本的采样方式。可选范围为[’BBoxAssigner’, ‘LibraBBoxAssigner’]。当目标物体的区域只占原始图像的一小部分时，可以考虑采用LibraRCNN中提出的IoU-balanced Sampling采样方式来获取更多的难分负样本，设置为’LibraBBoxAssigner’即可。默认为’BBoxAssigner’。
  • fpn_num_channels (int): FPN部分特征层的通道数量。默认为256。
  • input_channel (int): 输入图像的通道数量。默认为3。
  • rpn_batch_size_per_im (int): 训练阶段，RPN部分每张图片的正负样本的数量总和。默认为256。
  • rpn_fg_fraction (float): 训练阶段，RPN部分每张图片的正负样本数量总和中正样本的占比。默认为0.5。
  • test_pre_nms_top_n (int)：预测阶段，RPN部分做非极大值抑制计算的候选框的数量。若设置为None, 有FPN结构的话，test_pre_nms_top_n会被设置成6000, 无FPN结构的话，test_pre_nms_top_n会被设置成1000。默认为None。
  • test_post_nms_top_n (int): 预测阶段，RPN部分做完非极大值抑制后保留的候选框的数量。默认为1000。

train

train(self, num_epochs, train_dataset, train_batch_size=1, eval_dataset=None, save_interval_epochs=1, log_interval_steps=20, save_dir='output', pretrain_weights='IMAGENET', optimizer=None, learning_rate=1.0/800, warmup_steps=500, warmup_start_lr=1.0 / 2400, lr_decay_epochs=[8, 11], lr_decay_gamma=0.1, metric=None, use_vdl=False, early_stop=False, early_stop_patience=5, resume_checkpoint=None)
MaskRCNN模型的训练接口，函数内置了piecewise学习率衰减策略和momentum优化器。

参数

  • num_epochs (int): 训练迭代轮数。
  • train_dataset (paddlex.datasets): 训练数据读取器。
  • train_batch_size (int): 训练数据batch大小。目前检测仅支持单卡评估，训练数据batch大小与显卡数量之商为验证数据batch大小。默认为1。
  • eval_dataset (paddlex.datasets): 验证数据读取器。
  • save_interval_epochs (int): 模型保存间隔（单位：迭代轮数）。默认为1。
  • log_interval_steps (int): 训练日志输出间隔（单位：迭代次数）。默认为2。
  • save_dir (str): 模型保存路径。默认值为’output’。
  • pretrain_weights (str): 若指定为路径时，则加载路径下预训练模型；若为字符串’IMAGENET’，则自动下载在ImageNet图片数据上预训练的模型权重；若为字符串’COCO’，则自动下载在COCO数据集上预训练的模型权重（注意：暂未提供ResNet18和HRNet_W18的COCO预训练模型）；若为None，则不使用预训练模型。默认为None。
  • optimizer (paddle.fluid.optimizer): 优化器。当该参数为None时，使用默认优化器：fluid.layers.piecewise_decay衰减策略，fluid.optimizer.Momentum优化方法。
  • learning_rate (float): 默认优化器的初始学习率。默认为0.00125。
  • warmup_steps (int): 默认优化器进行warmup过程的步数。默认为500。
  • warmup_start_lr (int): 默认优化器warmup的起始学习率。默认为1.0/2400。
  • lr_decay_epochs (list): 默认优化器的学习率衰减轮数。默认为[8, 11]。
  • lr_decay_gamma (float): 默认优化器的学习率衰减率。默认为0.1。
  • metric (bool): 训练过程中评估的方式，取值范围为[’COCO’, ‘VOC’]。默认值为None。
  • use_vdl (bool): 是否使用VisualDL进行可视化。默认值为False。
  • early_stop (float): 是否使用提前终止训练策略。默认值为False。
  • early_stop_patience (int): 当使用提前终止训练策略时，如果验证集精度在early_stop_patience个epoch内连续下降或持平，则终止训练。默认值为5。
  • resume_checkpoint (str): 恢复训练时指定上次训练保存的模型路径。若为None，则不会恢复训练。默认值为None。

evaluate

evaluate(self, eval_dataset, batch_size=1, epoch_id=None, metric=None, return_details=False)
MaskRCNN模型的评估接口，模型评估后会返回在验证集上的指标box_mmap(metric指定为COCO时)和相应的seg_mmap。

参数

  • eval_dataset (paddlex.datasets): 验证数据读取器。
  • batch_size (int): 验证数据批大小。默认为1。当前只支持设置为1。
  • epoch_id (int): 当前评估模型所在的训练轮数。
  • metric (bool): 训练过程中评估的方式，取值范围为[’COCO’, ‘VOC’]。默认为None，根据用户传入的Dataset自动选择，如为VOCDetection，则metric为’VOC’; 如为COCODetection，则metric为’COCO’。
  • return_details (bool): 是否返回详细信息。默认值为False。

返回值

  • tuple (metrics, eval_details) | dict (metrics): 当return_details为True时，返回(metrics, eval_details)，当return_details为False时，返回metrics。metrics为dict，包含关键字：’bbox_mmap’和’segm_mmap’或者’bbox_map‘和’segm_map’，分别表示预测框和分割区域平均准确率平均值在各个IoU阈值下的结果取平均值的结果（mmAP）、平均准确率平均值（mAP）。eval_details为dict，包含bbox、mask和gt三个关键字。其中关键字bbox的键值是一个列表，列表中每个元素代表一个预测结果，一个预测结果是一个由图像id，预测框类别id, 预测框坐标，预测框得分组成的列表。关键字mask的键值是一个列表，列表中每个元素代表各预测框内物体的分割结果，分割结果由图像id、预测框类别id、表示预测框内各像素点是否属于物体的二值图、预测框得分。而关键字gt的键值是真实标注框的相关信息。

predict

predict(self, img_file, transforms=None)
MaskRCNN模型预测接口。需要注意的是，只有在训练过程中定义了eval_dataset，模型在保存时才会将预测时的图像处理流程保存在MaskRCNN.test_transforms和MaskRCNN.eval_transforms中。如未在训练时定义eval_dataset，那在调用预测predict接口时，用户需要再重新定义test_transforms传入给predict接口。

参数

  • img_file (str|np.ndarray): 预测图像路径或numpy数组(HWC排列，BGR格式)。
  • transforms (paddlex.det.transforms): 数据预处理操作。

返回值

  • list: 预测结果列表，列表中每个元素均为一个dict，key’bbox’, ‘mask’, ‘category’, ‘category_id’, ‘score’，分别表示每个预测目标的框坐标信息、Mask信息，类别、类别id、置信度。其中框坐标信息为[xmin, ymin, w, h]，即左上角x, y坐标和框的宽和高。Mask信息为原图大小的二值图，1表示像素点属于预测类别，0表示像素点是背景。

batch_predict

batch_predict(self, img_file_list, transforms=None)
MaskRCNN模型批量预测接口。需要注意的是，只有在训练过程中定义了eval_dataset，模型在保存时才会将预测时的图像处理流程保存在MaskRCNN.test_transforms和MaskRCNN.eval_transforms中。如未在训练时定义eval_dataset，那在调用预测batch_predict接口时，用户需要再重新定义test_transforms传入给batch_predict接口。

参数

  • img_file_list (list|tuple): 对列表（或元组）中的图像同时进行预测，列表中的元素可以是预测图像路径或numpy数组(HWC排列，BGR格式)。
  • transforms (paddlex.det.transforms): 数据预处理操作。

返回值

  • list: 每个元素都为列表，表示各图像的预测结果。在各图像的预测结果列表中，每个元素均为一个dict，包含关键字：’bbox’, ‘mask’, ‘category’, ‘category_id’, ‘score’，分别表示每个预测目标的框坐标信息、Mask信息，类别、类别id、置信度。其中框坐标信息为[xmin, ymin, w, h]，即左上角x, y坐标和框的宽和高。Mask信息为原图大小的二值图，1表示像素点属于预测类别，0表示像素点是背景。