carryhjr / underwater-detection

2021和鲸社区Kesci 水下目标检测算法赛（湛江）（光学图像赛项）

underwater-object-detection-mmdetection

2021.7.17 models/dense_heads/anchor_head.py中有个bug，已改正

和鲸社区Kesci 水下目标检测算法赛（光学图像赛项）

A榜：第9 0.57286428

B榜：第3 0.57534568

单模 TTA(三尺度+水平翻转)

注：没有标注的图片不加入训练

Baseline

1. cascade_rcnn_x101_64x4d_fpn_dcn_e15

   • Backbone:
     • ResNeXt101-64x4d
   • Neck:
     • FPN
   • DCN
   • Global context(GC)
   • MS [(4096, 600), (4096, 1000)]
   • RandomRotate90°
   • 15epochs + step:[11, 13]
   • A榜：0.55040585
     • 注：不是所有数据

2. 基于1训练好的模型对训练数据进行清洗(tools/data_process/data_clean.py)

   • 1. 如果某张图片上所有预测框的confidence没有一个是大于0.9， 那么去掉该图片(即看不清的图片)
   • 2. 修正错误标注
     • 1. 先过滤掉confidence<0.1的predict boxes, 然后同GT boxes求iou
     • 2. 如果predict box同GT的最大iou大于0.6，但类别不一致， 那么就修正该gt box的类别

3. 基于2修正后的数据进行训练 模型采用cascade_rcnn_r50_rfp_sac

   • Backbone:
     • ResNet50
   • Neck: RFP-SAC
   • GC + MS + RandomRotate90°
   • cascade_iou调整为：（0.55， 0.65， 0.75）
   • A榜： 0.56339531
     • 注：所有数据

4. 基于3训练好的模型进一步清洗数据

   • 模型同3：
   • A榜：0.56945031
     • 注：所有数据

5. 基于4

   • SWA(12epochs)(https://arxiv.org/abs/2012.12645)
   • A榜：0.57286428
     • 注：所有数据

项目运行的资源环境

• 操作系统：Ubuntu 18.04.2
• GPU：1块2080Ti
• Python：Python 3.7.7
• NVIDIA依赖：
  • NVCC: Cuda compilation tools, release 10.1, V10.1.243
  • CuDNN 7.6.5
• 深度学习框架：
  • PyTorch: 1.8.1
  • TorchVision: 0.9.1
  • OpenCV: 4.5.1
  • MMCV: 1.2.4+cu101
  • MMCV Compiler: GCC 7.5
  • MMCV CUDA Compiler: 10.1
  • MMDetection: 2.10.0+0489bcb

环境安装及编译

• mmdetection安装
  • 参考mmdetection

预训练模型下载

• 下载mmdetection官方开源的htc的resnext 64×4d 预训练模型
• 下载mmdetection官方开源的htc的DetectoRS | HTC + ResNet-50 预训练模型

模型训练与预测

• 训练

  1. 运行：

     r50_rfp_sac (htc pretrained):

     • python tools/train.py configs/cascade_rcnn_r50_rfp_sac_iou_e15_alldata_v3.py --no-validate

  2. SWA -- 训练12轮

     • python tools/train.py configs/swa_cascade_rcnn_r50_rfp_sac_iou_alldata-v3_e15.py --no-validate

• 预测

  1. 运行:

     • python tools/test.py configs/swa_cascade_rcnn_r50_rfp_sac_iou_alldata-v3_e15.py ./swa/swa_cascade_rcnn_r50_rfp_sac_iou_alldata-v3_e15/swa_model_12.pth --format-only --cfg-options "jsonfile_prefix=./submit"
       • 注： 采用fp16加速(配置文件添加fp16 = dict(loss_scale=512.0))

  2. 预测结果文件名submit.bbox.json

  3. 转化mmd预测结果为提交csv格式文件：

     python tools/post_process/json2submit.py --test_json submit.bbox.json --submit_file submit.csv

     最终符合官方要求格式的提交文件 submit.csv 位于 submit目录下

尝试过但不work：

• 数据增强

  • 竖直翻转和对角翻转
    • dict(type='RandomFlip', direction='vertical', flip_ratio=0.5),
    • dict(type='RandomFlip', direction='diagonal', flip_ratio=0.5),
  • mixup
  • 引入往年数据
    • 通过md5去掉重复的图片
  • autoaugment(v2, v4)
  • mosaic

• 模型部分

  • 对特征进行roimix(可能是代码问题)RoIMix
  • rpn采样器换成ATSS
  • PAFPN
  • DeformRoIPool替换RoIAlign
  • bbox_head: Shared4Conv1FCBBoxHead替换Shared2FCBBoxHead
  • ResNeSt101
  • Res2Net101

Reference 感谢大佬的开源

• 郑烨-underwater-detection
• 郑烨-tile-detection
• milleniums
• Wakinguup-underwater-detection
• clw5180-tile-detection
• tile-detection

Contact

author: tricks
qq：1227125939
email: [email protected]

underwater-detection