问面具-RCNN控制面具召回的哪些参数？

EN

几个注意事项：

• 6纪元是一种对网络来说太少的方式，即使您使用的是预先训练过的网络，也无法收敛。尤其是像resnet50这样的大公司。我想你至少需要50个时代。在一个经过预先训练的resnet18上，我开始在30年代后获得好的结果，resnet34需要+10-20个历元，而你的resnet50 + 40k的火车组图像肯定需要比6个更多的时间；
• 肯定使用了一个预先训练过的网络；
• ，在我的经验中，我没有得到我喜欢的SGD的结果。我开始使用AdamW + ReduceLROnPlateau调度器。网络的收敛速度相当快，就像50-60%的AP在7-8期，但在50-60个时代之后，只有在LR足够小的情况下，网络才会有很小的改进。你必须熟悉梯度下降的概念。我过去认为它就像你有更多的增强，你的“小山”是被“巨石”，你必须能够绕过，这是可能的，只有当你控制的LR。此外，AdamW还可以帮助解决过度适应问题.

我就是这样做的。对于具有较高输入分辨率的网络(您的输入图像是根据网络本身的输入进行缩放的)，我使用更高的lr。

init_lr = 0.00005
weight_decay = init_lr * 100
optimizer = torch.optim.AdamW(params, lr=init_lr, weight_decay=weight_decay)
scheduler = torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, verbose=True, patience=3, factor=0.75)

for epoch in range(epochs):
    # train for one epoch, printing every 10 iterations
    metric_logger = train_one_epoch(model, optimizer, train_loader, scaler, device,
                                    epoch, print_freq=10)
    
    scheduler.step(metric_logger.loss.global_avg)
    optimizer.param_groups[0]["weight_decay"] = optimizer.param_groups[0]["lr"] * 100

    # scheduler.step()

    # evaluate on the test dataset
    evaluate(model, test_loader, device=device)

    print("[INFO] serializing model to '{}' ...".format(args["model"]))
    save_and_print_size_of_model(model, args["model"], script=False)

找到这样一个lr和重量衰减，使训练耗尽lr到一个非常小的值，就像你的初始lr的1/10，在训练结束。如果您有一个平台太频繁，调度程序很快就会把它带到非常小的值，网络将不会了解所有其他时代。

你的情节表明你的LR在训练的某个点过高，网络停止训练，然后AP下降。你需要不断的改进，即使是小的改进。网络训练的越多，它学到的关于你的领域的细节就越微妙，学习的速度也就越小。Imho，常数LR将不允许正确地这样做。

• 锚点生成器设置。下面是我初始化网络的方法。

def get_maskrcnn_resnet_model(名称，num_classes，预训练，res='normal')：打印(‘使用maskrcnn与{}主干.’.格式(名称))主干=resnet_fpn_backbone(名称，pretrained=pretrained，trainable_layers=5)大小= ((4，)，(8，)，(16，)，(32，)，(64，) aspect_ratios =(0.25，0.5，1.0，2.0，( torchvision.ops.MultiScaleRoIAlign(featmap_names='0'，'1'，'2'，'3'，output_size=7，sampling_ratio=2) default_min_size = 800 default_max_size = 1333如果res == 'low'：min_size = int(default_min_size / 1.25) max_size = int(default_max_size / 1.25) elif res ==‘normal’min_size = default_min_size max_size = default_max_size elif res== 'high'：min_size = int(default_min_size * 1.25) max_size = int(default_max_size * 1.25) max_size=int(default_max_size*1.25)min_size=min_size，max_size=max_size，num_classes=num_classes，rpn_anchor_generator=anchor_generator，box_roi_pool=roi_pooler) model.roi_heads.detections_per_img = 512返回模型

我需要在这里找到一些小物体，为什么我要使用这样的锚点。

• 类的平衡问题.如果你只有你的目标和bg -没问题。如果您有更多的课程，那么请确保您的培训分割(训练的80%和测试的20% )或多或少地精确地应用于您特定培训中使用的所有类。

祝好运!