【OpenMMLab AI实战训练营 学习笔记DAY（五）-- MMDetection 框架介绍及代码讲解】

本次课程依然是由王若晖老师进行讲解，后续答疑部分依然是由子豪兄（B站 同济子豪兄）进行。课程于B站上搜索OpenMMLab 在其官网首页可以查看。 具体链接如下，https://www.bilibili.com/video/BV1Av4y1475i/?spm_id_from=333.337.search-card.all.click&vd_source=dc30f12500ae4d963ddc6f21932f3d67。

MMDetection是什么

MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。

➢ MMDetection 提供 400 余个性能优良的预训练模型，开箱即用，几行 Python API 即可调用强大的检测能力。

➢ MMDetection 涵盖 60 余个目标检测算法，并提供方便易用的工具，经过简单的配置文件改写和调参就可以训练自己的目标检测模型。

MMDetection 环境搭建

可以使用 MIM 配置 MMCV 和 MMDetection

OpenMMLab 配置文件

➢ 深度学习模型的训练涉及几个方面：
− 模型结构 模型有几层、每层多少通道数等等
− 数据集 用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等
− 训练策略 梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等
− 运行时 GPU、分布式环境配置等等
− 一些辅助功能 如打印日志、定时保存checkpoint等等
 
➢ 在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练过程
− model 字段定义模型
− data 字段定义数据
− optimizer、lr_config 等字段定义训练策略
− load_from 字段定义与训练模型的参数文件

代码解释

本次课程采用的是COCO数据集，具体的配置信息如下所示：



最后，王老师详细的讲解了如何微调训练自己的检测模型，并且做出了如下的总结：
通常基于微调训练：
• 使用基于COCO预训练的检测模型作为梯度下降的“起点”
• 使用自己的数据进行“微调训练”，通常需要降低学习率
具体到 MMDetection，需要：
• 选择一个基础模型，下载对应的配置文件和预训练模型的参数文件
• 将数据整理成MMDetection的支持的格式，如COCO格式或者自定义格式

本次王老师所讲的代码实操是基于openbayes做的，后续课程估计还是基于超算云平台运行。