stitcher源码阅读

最新推荐文章于 2023-07-14 10:38:58 发布

carry_hjr

最新推荐文章于 2023-07-14 10:38:58 发布

阅读量270

点赞数

CC 4.0 BY-SA版权

分类专栏：遥感图像处理与深度学习

本文链接：https://blog.youkuaiyun.com/carry_hjr/article/details/117607546

遥感图像处理与深度学习专栏收录该内容

22 篇文章

订阅专栏

该博客介绍了如何利用Mask R-CNN库实现图像的批量和非批量拼接，并详细展示了在Stitcher项目中如何进行这一过程。核心代码位于BatchCollatorSynthesize和to_image_list_synthesize_4函数中。此外，还阐述了如何计算小目标损失，通过对比小目标和整体损失来调整训练策略。默认情况下，采用的是回归损失（reg_loss）进行优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

陈康老哥的实现虽然是用maskrcnn-benchmark的但实现的还挺全，batch和非batch都实现了，基本配置在这里

https://github.com/yukang2017/Stitcher/blob/41063c4d9af077908cd1368ae86d43a27c77f479/maskrcnn_benchmark/config/defaults.py#L91

在这里插入图片描述

stitcher合成

主要合成图片的地方在 BatchCollatorSynthesize (https://github.com/yukang2017/Stitcher/blob/41063c4d9af077908cd1368ae86d43a27c77f479/maskrcnn_benchmark/data/build.py#L184) 调用了 to_image_list_synthesize 进而调用了 to_image_list_synthesize_4 (https://github.com/yukang2017/Stitcher/blob/41063c4d9af077908cd1368ae86d43a27c77f479/maskrcnn_benchmark/structures/image_list.py#L79)

在这里插入图片描述

计算small object loss

https://github.com/yukang2017/Stitcher/blob/41063c4d9af077908cd1368ae86d43a27c77f479/maskrcnn_benchmark/modeling/roi_heads/box_head/loss.py#L168

 reference_boxes = matched_targets_boxes[sampled_pos_inds_subset]
 gt_widths = reference_boxes[:, 2] - reference_boxes[:, 0]
 gt_heights = reference_boxes[:, 3] - reference_boxes[:, 1]
 gt_areas = gt_widths * gt_heights

 small_index = gt_areas < 1024 

 box_loss, box_loss_vec = smooth_l1_loss(
     box_regression[sampled_pos_inds_subset[:, None], map_inds],
     regression_targets[sampled_pos_inds_subset],
     size_average=False,
     beta=1,
     return_loss_vec=True
 )
 if cfg.STITCHER.FEEDBACK == 'cls_loss':
     cls_loss_vec = F.cross_entropy(class_logits, labels, reduction='none')[sampled_pos_inds_subset]
     ratio_small = cls_loss_vec[small_index].sum()/classification_loss 
 else:
     ratio_small = box_loss_vec[small_index].sum()/box_loss

 box_loss = box_loss / labels.numel()

 return classification_loss, box_loss, ratio_small