FCOS(pytorch)检测算法安装+训练自己的数据集(ubuntu16.04)

FCOS

FCOS：Fully Convolutional One-Stage Object Detection是2019年I的一种无锚的目标检测算法。
官方github地址：https://github.com/tianzhi0549/FCOS
FCOS的安装照着官方readme即可安装，下面简单记录一下我的安装过程。

离线安装

安装前须知：需要检查依赖项是否具备，否则可能导致安装不成功。

我的环境以满足直接安装
1、下载离线安装包**FCOS-master.zip，并解压为FCOS-master。
2、进入路径FCOS-master：

sudo python setup.py build develop --no-deps

然后完成安装，安装成功后会打印Installing fcos script to /usr/local/bin和Installed …/FCOS-master
3、快速跑一个demo测试下：
下载官方的一个模型FCOS_imprv_R_50_FPN_1x.pth,执行：

python demo/fcos_demo.py

若正确输出检测图像则说明安装成功，若出错显示缺少一些包则根据提示安装即可。

训练模型

模型训练步骤也是按照官方文档来就可以了，下面记录下我自己的步骤：
1、准备数据集（可参考https://github.com/tianzhi0549/FCOS/issues/54#issuecomment-497558687）
FCOS自带支持voc类型的检测数据和coco类型的检测数据。
准备好自己的数据集后在/fcos_core/config/paths_catalog.py里面设置自己的数据集。在/fcos_core/config/defaults.py里面_C.MODEL.FCOS.NUM_CLASSESS = 81设置自己的数据类别数量。在/fcos_core/data/datasets/voc.py中设置自己的数据类别名。
然后在自己要训练的模型的yam文件里面设置使用的数据集：
如：/configs/fcos/fcos_imprv_R_50_FPN_1x.yaml
（这里面还可以设置包括图像大小，迭代次数等参数）
2、开始训练

若需要指定具体的GPU可通过：
export CUDA_VISIVLE_DEVICES="1" 来指定使用具体的1号卡训练
训练命令：

python -m torch.distributed.launch \
    --nproc_per_node=2 \
    --master_port=$((RANDOM + 10000)) \
    tools/train_net.py \
    --config-file configs/fcos/fcos_imprv_R_50_FPN_1x.yaml \
    DATALOADER.NUM_WORKERS 2 \
    OUTPUT_DIR out/fcos_imprv_R_50_FPN_1x

模型推理测试

测试命令：

python tools/test_net.py \
    --config-file configs/fcos/fcos_imprv_R_50_FPN_1x.yaml \
    MODEL.WEIGHT FCOS_imprv_R_50_FPN_1x.pth \
    TEST.IMS_PER_BATCH 4  

补充

1、针对自己的数据要去注意的目标大小分布，去设置fpn每一层对应的目标大小，在fcos_core/modeling/rpn/fcos/loss.py的object_sizes_of_interest那里。
2、fcos默认的推理的输入图像是较大的，所以速度会比较慢。