Skip to content
This repository has been archived by the owner on Jun 15, 2022. It is now read-only.

Latest commit

 

History

History
executable file
·
130 lines (114 loc) · 4.4 KB

README_JP.md

File metadata and controls

executable file
·
130 lines (114 loc) · 4.4 KB
Raw

Chainer_Mask_R-CNN

マルチタスク検出器Mask R-CNNのchainer実装 (https://arxiv.org/abs/1703.06870)

実行例

  • 準備中

必要環境

  • Chainer
  • Chainercv
  • Cupy
    (動作確認済み: chainer==3.1.0, chainercv==0.7.0, verified: cupy==1.0.3)
$ pip install chainer   
$ pip install chainercv
$ pip install cupy==1.0.3
  • Python 3.0+
  • NumPy
  • Matplotlib
  • OpenCV

TODOs

  • Precision Evaluator (bbox, COCO metric)
  • Detectron Model Parser
  • Modify ROIAlign
  • Mask inference using refined ROIs
  • Precision Evaluator (mask, COCO metric)
  • Feature Pyramid Network (R-50-FPN)
  • Keypoint Detection (R-50-FPN, Keypoints)

学習済みモデルの使用

python utils/detectron_parser.py
  • modelfiles の中に変換されたモデルファイルが保存されます。
  • 以下によりデモを実行
python demo.py --bn2affine --modelfile modelfiles/e2e_mask_rcnn_R-50-C4_1x_d2c.npz --image <input image>

学習のための準備

  • 学習済みモデルのダウンロード
    ・以下リンク先の'OneDrive download'から、ResNet-50-model.caffemodelをダウンロード ResNet pretrained models ・~/.chainer/dataset/pfnet/chainer/models/　に置く

  • COCO 2017 データセット COCOデータセットのダウンロードと解凍:

bash getcoco.sh
  • COCO APIのセットアップ:
git clone https://github.com/waleedka/coco
cd coco/PythonAPI/
make
python setup.py install
cd ../../

学習

python train.py

引数は以下です:

'--dataset', choices=('coco2017'), default='coco2017'   
'--extractor', choices=('resnet50','resnet101'), default='resnet50', help='extractor network'
'--gpu', '-g', type=int, default=0   
'--lr', '-l', type=float, default=1e-4   
'--batchsize', '-b', type=int, default=8   
'--freeze_bn', action='store_true', default=False, help='freeze batchnorm gamma/beta'
'--bn2affine', action='store_true', default=False, help='batchnorm to affine'
'--out', '-o', default='result',  help='output directory'   
'--seed', '-s', type=int, default=0   
'--roialign', action='store_true', default=True, help='True: ROIAlign, False: ROIpooling'
'--step_size', '-ss', type=int, default=400000  
'--lr_step', '-ls', type=int, default=480000    
'--lr_initialchange', '-li', type=int, default=800     
'--pretrained', '-p', type=str, default='imagenet'   
'--snapshot', type=int, default=4000   
'--validation', type=int, default=30000   
'--resume', type=str   
'--iteration', '-i', type=int, default=800000   
'--roi_size', '-r', type=int, default=14, help='ROI size for mask head input'
'--gamma', type=float, default=1, help='mask loss balancing factor'

本実装ではsubdivisionを用いたupdateを行なっているため、batch size = 1 相当のGPUメモリでbatch size=8等を指定可能です

デモ

入力画像のインスタンス・セグメンテーションを実行します:

python demo.py --image <input image> --modelfile result/snapshot_model.npz --contour

評価

COCO metric (Bounding Box, Segmentation) によるモデルの評価を実行します。

python train.py --lr 0 --iteration 1 --validation 1 --resume <trained_model>

引用

Please cite the original paper in your publications if it helps your research:

@article{DBLP:journals/corr/HeGDG17,
  author    = {Kaiming He and
              Georgia Gkioxari and
              Piotr Doll{\'{a}}r and
              Ross B. Girshick},
  title     = {Mask {R-CNN}},
  journal   = {CoRR},
  volume    = {abs/1703.06870},
  year      = {2017},
  url       = {http://arxiv.org/abs/1703.06870},
  archivePrefix = {arXiv},
  eprint    = {1703.06870},
  timestamp = {Wed, 07 Jun 2017 14:42:32 +0200},
  biburl    = {http://dblp.org/rec/bib/journals/corr/HeGDG17},
  bibsource = {dblp computer science bibliography, http://dblp.org}
}