Trial-faster-rcnn

目录

• motivation
• 实验设置
• 实验结果

motivation

试一下faster rcnn的代码, 主要想看看backbone训练一部分好呢还是全部都训练好呢?

实验设置

Attribute	Value
backbone	resnet50
batch_size	2
batch_size_per_image	256
benchmark	True
beta1	0.9
beta2	0.999
dataset	voc2012
description	FasterRCNNTrain=300-500-1024-5=default-sgd-0.005-0.0005=2=default
epochs	15
eval_freq	5
eval_train	False
eval_valid	True
featmap_names	1,2,3,4
learning_policy	default
log2console	True
log2file	True
log_path	./logs/FasterRCNNTrain/voc2012-resnet50/FasterRCNNTrain=300-500-1024-5=default-sgd-0.005-0.0005=2=default-121022
lr	0.005
max_size	500
min_size	300
momentum	0.9
optimizer	sgd
pretrained_name	paras.pt
pretrained_path	E:\dfk\pre_trained_backbones\resnet50
progress	False
representation_size	1024
resume	False
seed	1
trainable_stages	0
transform	default
weight_decay	0.0005

实验结果

trainable_stages	map(0.5)	map(0.75)
0	0.6925	0.2299
3	0.7385	0.3368
5	0.7277	0.3719

看来全部不训练是不行的, 还是微调一下比较好.

就是有一个问题, 我现在的与训练部分是backbone, 如果和官方代码一样用faster rcnn的预训练结果是否也是如此.

我最初怀疑可能全部都训练可能不会太好的原因是, backbone是预训练过的, 但是后面的RPN, ROI都是随机初始化的, 会不会头尾太不均衡了, 现在看起来好像影响不是很大.