MASKDINO参数配置详解

基础配置

• BASE: ../Base-COCO-InstanceSegmentation.yaml
  指定基础配置文件，包含基本参数和结构。

模型结构

• MODEL:
  定义模型的各个组件和超参数。

  • META_ARCHITECTURE: "MaskDINO"
    指定使用的模型架构，MaskDINO 是一种用于实例分割的模型。

  • BACKBONE:
    模型的主干网络，负责提取特征。

    • NAME: "D2SwinTransformer"
      使用的主干网络类型，这里是 D2Swin Transformer。

    • SWIN:
      关于 Swin Transformer 的参数配置。

      • EMBED_DIM: 192
        嵌入维度大小。

      • DEPTHS: [ 2, 2, 18, 2 ]
        每一层的深度配置，表示不同阶段的层数。

      • NUM_HEADS: [ 6, 12, 24, 48 ]
        每层注意力头的数量。

      • WINDOW_SIZE: 12
        窗口大小，用于局部注意力计算。

      • APE: False
        是否使用位置编码。

      • DROP_PATH_RATE: 0.3
        随机丢弃路径的概率。

      • PATCH_NORM: True
        是否使用 Patch 归一化。

      • PRETRAIN_IMG_SIZE: 384
        预训练时使用的图像尺寸。

  • WEIGHTS: "swin_large_patch4_window12_384_22k.pkl"
    指定预训练权重文件。

  • PIXEL_MEAN:
    图像预处理时使用的均值。

    • [ 123.675, 116.280, 103.530 ]

  • PIXEL_STD:
    图像预处理时使用的标准差。

    • [ 58.395, 57.120, 57.375 ]

语义分割头

• SEM_SEG_HEAD:
  定义语义分割头的配置。

  • NAME: "MaskDINOHead"
    使用的头部名称。

  • IGNORE_VALUE: 255
    被忽略的像素值。

  • NUM_CLASSES: 80
    类别数量。

  • LOSS_WEIGHT: 1.0
    损失权重。

  • CONVS_DIM: 256
    卷积层的维度。

  • MASK_DIM: 256
    掩码的维度。

  • NORM: "GN"
    归一化方式，这里是 Group Normalization。

  • PIXEL_DECODER_NAME: "MaskDINOEncoder"
    像素解码器的名称。

  • DIM_FEEDFORWARD: 2048
    前馈网络的维度。

  • NUM_FEATURE_LEVELS: 4
    特征层的数量。

  • TOTAL_NUM_FEATURE_LEVELS: 5
    特征层的总数。

  • IN_FEATURES: ["res2", "res3", "res4", "res5"]
    输入特征的来源。

  • DEFORMABLE_TRANSFORMER_ENCODER_IN_FEATURES: ["res2", "res3", "res4", "res5"]
    变形网络的输入特征。

  • COMMON_STRIDE: 4
    特征图的步幅。

  • TRANSFORMER_ENC_LAYERS: 6
    变形编码器的层数。

  • FEATURE_ORDER: "low2high"
    特征处理顺序。

MaskDINO配置

• MaskDINO:
  MaskDINO 特有的参数。

  • TRANSFORMER_DECODER_NAME: "MaskDINODecoder"
    变形解码器的名称。

  • DEEP_SUPERVISION: True
    是否启用深度监督。

  • NO_OBJECT_WEIGHT: 0.1
    无目标权重。

  • CLASS_WEIGHT: 4.0
    类别权重。

  • MASK_WEIGHT: 5.0
    掩码权重。

  • DICE_WEIGHT: 5.0
    DICE 损失权重。

  • BOX_WEIGHT: 5.0
    边界框权重。

  • GIOU_WEIGHT: 2.0
    GIOU 权重。

  • HIDDEN_DIM: 256
    隐藏层维度。

  • NUM_OBJECT_QUERIES: 300
    对象查询数量。

  • NHEADS: 8
    注意力头的数量。

  • DROPOUT: 0.0
    Dropout 概率。

  • DIM_FEEDFORWARD: 2048
    前馈网络的维度。

  • ENC_LAYERS: 0
    编码器的层数。

  • PRE_NORM: False
    是否在前面进行归一化。

  • ENFORCE_INPUT_PROJ: False
    是否强制输入投影。

  • SIZE_DIVISIBILITY: 32
    尺寸可整除性。

  • DEC_LAYERS: 9
    解码器的层数（9层加1层用于可学习查询的损失）。

  • TRAIN_NUM_POINTS: 12544
    训练时的点数量。

  • OVERSAMPLE_RATIO: 3.0
    过采样比率。

  • IMPORTANCE_SAMPLE_RATIO: 0.75
    重要性采样比率。

  • EVAL_FLAG: 1
    评估标志。

  • INITIAL_PRED: True
    是否使用初始预测。

  • TWO_STAGE: True
    是否使用两阶段。

  • DN: "seg"
    去噪类型。

  • DN_NUM: 100
    去噪数量。

  • INITIALIZE_BOX_TYPE: 'no'
    边界框初始化类型。

  • TEST:
    测试相关参数。

    • SEMANTIC_ON: False
      是否启用语义分割。

    • INSTANCE_ON: True
      是否启用实例分割。

    • PANOPTIC_ON: False
      是否启用全景分割。

    • OVERLAP_THRESHOLD: 0.8
      重叠阈值。

    • OBJECT_MASK_THRESHOLD: 0.25
      目标掩码阈值。

求解器

• SOLVER:
  定义训练过程的参数。

  • AMP:
    混合精度训练的设置。

    • ENABLED: True
      是否启用混合精度。

测试设置

• TEST:
  测试相关参数。

  • EVAL_PERIOD: 5000
    每5000个步骤进行一次评估。

  • # EVAL_FLAG: 1
    （被注释掉的行）评估标志，可能表示在训练时是否启用评估。

Enable GingerCannot connect to Ginger Check your internet connection
or reload the browserDisable GingerRephraseRephrase with Ginger (Ctrl+Alt+E)13Log in to edit with GingerGinger is checking your text for mistakes...Disable Ginger in this text fieldDisable Ginger on this website×