单目标检测模型的构建、训练与评估

# 单目标检测模型的构建、训练与评估 ## 1. 模型创建 ### 1.1 模型概述 我们要为单目标检测问题构建一个模型，具体是预测眼部图像中中央凹中心的 x 和 y 坐标。该模型由多个卷积层和池化层组成，会接收调整大小后的 RGB 图像，并输出对应中央凹坐标的两个线性输出。若要预测边界框的宽度和高度，可将输出数量增加到四个。此模型还运用了 ResNet 论文中介绍的跳跃连接技术。 ### 1.2 模型实现步骤 #### 1.2.1 加载所需包 ```python import torch.nn as nn import torch.nn.functional as F ``` #### 1.2.2 定义模型类 ```python class Net(nn.Module): def __init__(self, params): super(Net, self).__init__() def forward(self, x): return x ``` #### 1.2.3 定义 `__init__` 函数 ```python def __init__(self, params): super(Net, self).__init__() C_in,H_in,W_in=params["input_shape"] init_f=params["initial_filters"] num_outputs=params["num_outputs"] self.conv1 = nn.Conv2d(C_in, init_f, kernel_size=3,stride=2,padding=1) self.conv2 = nn.Conv2d(init_f+C_in, 2*init_f, kernel_size=3,stride=1,padding=1) self.conv3 = nn.Conv2d(3*init_f+C_in, 4*init_f, kernel_size=3,padding=1) self.conv4 = nn.Conv2d(7*init_f+C_in, 8*init_f, kernel_size=3,padding=1) self.conv5 = nn.Conv2d(15*init_f+C_in, 16*init_f, kernel_size=3,padding=1) self.fc1 = nn.Linear(16*init_f, num_outputs) ``` #### 1.2.4 定义 `forward` 函数 ```python def forward(self, x): identity=F.avg_pool2d(x,4,4) x = F.relu(self.conv1(x)) x = F.max_pool2d(x, 2, 2) x = torch.cat((x, identity), dim=1) identity=F.avg_pool2d(x,2,2) x = F.relu(self.conv2(x)) x = F.max_pool2d(x, 2, 2) x = torch.cat((x, identity), dim=1) identity=F.avg_pool2d(x,2,2) x = F.relu(self.conv3(x)) x = F.max_pool2d(x, 2, 2) x = torch.cat((x, identity), dim=1) identity=F.avg_pool2d(x,2,2) x = F.relu(self.conv4(x)) x = F.max_pool2d(x, 2, 2) x = torch.cat((x, identity), dim=1) x = F.relu(self.conv5(x)) x=F.adaptive_avg_pool2d(x,1) x = x.reshape(x.size(0), -1) x = self.fc1(x) return x ``` #### 1.2.5 重写 `Net` 类函数 ```python Net.__init__=__init__ Net.forward=forward ``` #### 1.2.6 定义 `Net` 类对象 ```python params_model={ "input_shape": (3,256,256), "initial_filters": 16, "num_outputs": 2, } model = Net(params_model) ``` #### 1.2.7 移动模型到 CUDA 设备 ```python if torch.cuda.is_available(): device = torch.device("cuda") model=model.to(device) ``` #### 1.2.8 打印模型 ```python print(model) ``` 输出结果如下： ``` Net( (conv1): Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1)) (conv2): Conv2d(19, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (conv3): Conv2d(51, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (conv4): Conv2d(115, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (conv5): Conv2d(243, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (fc1): Linear(in_features=256, out_features=2, bias=True) ) ``` ### 1.3 模型工作原理 - **`__init__` 函数**：定义了模型的构建块，包含五个 `nn.Conv2d` 块。设置 `padding=1` 可对输入两侧进行零填充，使输出尺寸能被 2 整除，这在构建跳跃连接网络时很重要。同时，每个 `nn.Conv2d` 层的输入通道数是前一层输出通道数与跳跃层输出通道数之和。 - **`forward` 函数**：描述了各层之间的连接方式。通过 `avg_pool2d` 获取与经过 `nn.Conv2d` 和 `F.max_pool2d` 后的 `x` 大小相同的 `identity`，再使用 `torch.cat` 沿 `dim=1` 维度将 `x` 与 `identity` 拼接。该函数中有四个跳跃连接块，最后一个卷积神经网络块是普通的 `nn.Conv2d` 层，其输出被称为提取的特征。接着使用 `adaptive_avg_pool2d` 层对提取的特征进行自适应平均池化，得到大小为 1*1 的输出。最后将特征重塑并传递给线性层，由于是预测坐标值，最终层无需激活函数。 ## 2. 定义损失函数、优化器和 IOU 指标 ### 2.1 损失函数 检测任务常用的损失函数有均方误差（MSE）和平滑 L1 损失。平滑 L1 损失在元素级绝对误差小于 1 时使用平方项，否则使用 L1 项，它对异常值的敏感度低于 MSE，在某些情况下可防止梯度爆炸。我们选用平滑 L1 损失。 ```python loss_func = nn.SmoothL1Loss(reduction="sum") ``` ### 2.2 测试损失函数 ```python n,c=8,2 y = 0.5 * torch.ones(n, c, requires_grad=True) print(y.shape) target = torch.zeros(n, c, requires_grad=False) print(target.shape) loss = loss_func(y, target) print(loss.item()) y = 2 * torch.ones(n, c, requires_grad=True) target = torch.zeros(n, c, requires_grad=False) loss = loss_func(y, target) print(loss.item()) ``` 输出结果： ``` torch.Size([8, 2]) torch.Size([8, 2]) 2.0 24.0 ``` ### 2.3 定义优化器 ```python from torch import optim opt = optim.Adam(model.parameters(), lr=3e-4) ``` ### 2.4 定义读取学习率的辅助函数 ```python def get_lr(opt): for param_group in opt.param_groups: return param_group['lr'] current_lr=get_lr(opt) print('current lr={}'.format(current_lr)) ``` 输出学习率： ``` current lr=0.0003 ``` ### 2.5 定