网络及组件

原创已于 2022-04-01 09:14:45 修改 · 894 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #目标跟踪

于 2022-03-22 16:05:00 首次发布

Deep Learning 同时被 3 个专栏收录

31 篇文章

订阅专栏

Pose

18 篇文章

订阅专栏

MOT

7 篇文章

订阅专栏

本文详细介绍了FairMOT框架中使用了DeepLayerAggregation (DLA)作为检测器主干网络的CenterNet结构，包括其网络层次、模块细节和 FairMOT的具体组成部分如CenterNetHead、FairMOTEmbeddingHead、JDETracker。同时涵盖了关键配置参数和追踪器策略。

1. 简介

DLA：Deep Layer Aggregation
网络结构

2. FairMOT代码

2.1 FairMOT网络结构

FairMOT:
  detector: CenterNet
  reid: FairMOTEmbeddingHead
  loss: FairMOTLoss
  tracker: JDETracker

CenterNet:
  backbone: DLA
  neck: CenterNetDLAFPN
  head: CenterNetHead
  post_process: CenterNetPostProcess

CenterNetDLAFPN:
  down_ratio: 4
  last_level: 5
  out_channel: 0
  dcn_v2: True
  with_sge: False

CenterNetHead:
  head_planes: 256
  heatmap_weight: 1
  regress_ltrb: True
  size_weight: 0.1
  size_loss: 'L1'
  offset_weight: 1
  iou_weight: 0

FairMOTEmbeddingHead:
  ch_head: 256
  ch_emb: 128

CenterNetPostProcess:
  max_per_img: 500
  down_ratio: 4
  regress_ltrb: True

JDETracker:
  conf_thres: 0.4
  tracked_thresh: 0.4
  metric_type: cosine

2.1 检测器主干网络 (DLA)

BasicBlock：一个基本的残差单元 (2次卷积)
Root：把输入张量列表按列拼接，行数不变，然后执行Conv和Relu
Tree：
DLA网络组成

         conv_layers   levels                channels
DLA_cfg = {34: ([1, 1, 1, 2, 2, 1], [16, 32, 64, 128, 256, 512])}

层名	层数	输入通道数	输出通道数	卷积核
base	1	3	16	7x7, 16, stride 1
level0	1	16	16	3x3, 16, stride 1
level1	1	16	32	3x3, 32, stride 2
level2	1	32	64	tree1: BasicBlock(ResidualBlock) : 1) 3x3, 64, stride 2 2) 3x3, 64, stride 1 tree2: BasicBlock(ResidualBlock) : 1) 3x3, 64, stride 1 2) 3x3, 64, stride 1 1) 源图x下采样 2) 把通道数提升到64作为residual 3) x1=tree1(x，residual） 4) x2=tree2(x1) 5)把x2,x1按列拼接，然后执行conv, add, relu
level3	2	64	128	tree1: tree11: BasicBlock(ResidualBlock) : 1) 3x3, 128, stride 2 2) 3x3, 128, stride 1 tree12: BasicBlock(ResidualBlock) : 1) 3x3, 128, stride 1 2) 3x3, 128, stride 1 1) 源图x下采样 2) 把通道数提升到64作为residual 3) x1=tree11(x，residual） 4) x2=tree12(x1) 5)把x2,x1按列拼接，然后执行conv, add, relu tree2: tree21: BasicBlock(ResidualBlock) : 1) 3x3, 128, stride 2 2) 3x3, 128, stride 1 tree22: BasicBlock(ResidualBlock) : 1) 3x3, 128, stride 1 2) 3x3, 128, stride 1 1) 源图x下采样 2) 把通道数提升到64作为residual 3) x1=tree21(x，residual） 4) x2=tree22(x1) 5)把x2,x1按列拼接，然后执行conv, add, relu
level4	2	128	256
level5	1	256	512