目标检测任务中的训练宝典 ｜实用技巧

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达
本文转自|磐创AI

特约作者 : Slumbers

最近正好在做检测项目，相对于分类任务而言，检测任务的优化策略少之又少，最近阅读了 @李沐老师 团队新出的论文Bag of Freebies for Training Object Detection Neural Networks中，提到了一些在不牺牲模型性能的前提下提升目标检测模型的tricks。

这篇论文我读完之后觉得CNN训练分类任务中可以执行的优化策略有不少重叠的地方，包括学习率热身、Label smoothing、 Cosine learning rate decay等都是可以在目标检测中使用的tricks，实验证明这些在分类上的tricks在目标检测领域也非常有效。

两篇论文都提到的一些可以使用的技术: mix up , label smoothing, cosine learning rate, warm up。除此之外，这篇论文还提到了一些单独增对检测任务的tricks如数据增量策略，跨卡BN和random shapes traning等。

Mix up

Mix up最早是用于解决对抗扰动的方法。是数据增量(data augmentation)的一种方法，每次随机取两个样本点  , 然后按照如下的混合方式生成一个新的样本点：

 , 是从  分布中随机生成的。在mixup training中，只使用新的样本  进行训练。

Label Smoothing

Label Smoothing可以看作是一种正则化方法，对于ground truth(也就是标注数据）的分布进行混合。原始的ground truth 分布记为  ,经过label Smoothing处理后的分布为：

其中  是一个小常量，而  是分类类别。这样处理可以减少模型对于标签的过度信赖，对于标签不够精确的情况有较好的效果。

Cosine learning rate deacy

Step lr decay在每次切换学习率的时候容易引起震荡，cosine lr decay会更加平滑。具体做法是，假设batch的总迭代次数是T(忽略学习率热身阶段),初始学习率为  ，那么在每次 t, 将学习率设为：

这个lr decay tensorflow和pytorch都是有现成的可用~一行可以搞定（下面列举的是pytorch版本）：

    scheduler = CosineAnnealingLR(optimizer, T_max=epoch_num)

Warm Up

训练初期由于离目标较远，一般需要选择大的学习率，但是使用过大的学习率容易导致不稳定性。所以可以做一个学习率热身阶段，在开始的时候先使用一个较小的学习率，然后当训练过程稳定的时候再把学习率调回去。比如说在热身阶段，将学习率从0调到初始学习率。举个例子，如果我们准备用m个batches来热身，准备的初始学习率是  ,然后在每个batch  ,将每次的学习率设为 

最近在跑pytorch版本的mask rcnn，warm up虽然在官方pytorch版本中没有实现，但是在mask rcnn中已经提供实现啦，可以参见：https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/maskrcnn_benchmark/solver/lr_scheduler.py

下面是单独对检测任务可以考虑的一些点：

数据增量策略

主流的数据增量方法包括几何变化(剪切翻转等）和色彩抖动（色彩对比度等）。对于目标检测来说，基于faster rcnn这种基于ROI的检测方法，因为本身检测的第一阶段已经生成了许多重复的候选区域，所以在数据增量时并不需要再去做几何变换。（本文末最后的实验表格也显示，data augmentation对于YOLO等单阶段检测很重要，对于Faster-RCNN影响不大）

Synchronized Batch Normalization

现有的标准BN是基于单GPU的，也就是说每个GPU上的样本进行了归一化，实际上的bathc-size变小了。对于分类任务而言，影响不大，但对于检测任务而言会对表现造成一定影响。使用Synchroinzed Batch Normalization（也就是垮卡BN）可以解决这个问题。这一点李沐老师在跨卡同步 Batch Normalization 中解释的很详细了。

Random Shapes Training

对于像YOLO这样的单阶段检测器来说，为了减小内存占用，一般会使用固定shape的图片进行训练。为了减小过拟合，可以使用Random shapes training。比如说，以YOLO例在训练过程中每隔多少个epoch就随机的{320, 352, 384, 416, 448, 480, 512, 544, 576, 608}中选择一个新的图片分辨率。这个技术在YOLO v3中就用过了。

最后论文中附上了上述tricks的效果~：

好消息，小白学视觉团队的知识星球开通啦，为了感谢大家的支持与厚爱，团队决定将价值149元的知识星球现时免费加入。各位小伙伴们要抓住机会哦！

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~