1

我刚刚在 Pytorch 中从头开始实现了一个 Mask RCNN，代码如下：https ://github.com/arthurhero/Mask_R-CNN_Pytorch/blob/master/masker_ops.py

我在两台不同的机器上只有一个 GTX1080 和一个 Quadro6000，所以每次迭代只能训练 2 个 imgs。我的问题是，Mask RCNN 通常需要多长时间才能收敛？我怎么知道它是否在正确的轨道上？

现在我只训练 RPN 头（所以这是四个“实用步骤”中的第一个）。经过一晚的训练，这个模型仍然给我很多“0 positive bboxes”的通知，即当它为一个img的每个bbox分配标签时，它们都是负数（没有足够大的iou和ground-truth框）。并且似乎“0 正 bboxes”通知的数量并没有随着训练的进行而减少。

我想了几个原因。

  1. 现在，如果其中一个 img 具有“0 个正 bbox”，我将跳过整个批次，只是因为它会使张量形状对于以后的计算变得奇怪。人们通常是这样处理这种情况的吗？是否给培训带来了太多的低效？

  2. 学习率可能太大了？我目前正在使用论文中的 0.02。但是由于我的batch size只有2，这个学习率是不是太大了？

  3. 我对将偏移量应用于锚点的方式有点怀疑……目前，RPN 头部相对于锚点框返回 dy,dx,logh,logw。将这些偏移量应用于锚框的代码如下：

    center_y = center_y + (dy*height) center_x = center_x + (dx*width) height = height * torch.exp(dh) width = width * torch.exp(dw)

    生成的 bbox 可能远远超出原始锚点的边界（如果 dy 和 dx 很大）。但是当这个bbox被赋值为“负”时，如果标签为正，则位于原始anchor中心的类标签将受到惩罚。这对我来说看起来不公平......我在这里有误会吗？或者它只是无关紧要？我们是否应该对这些偏移量施加一些严格的限制，以使生成的 bbox 不会离锚点太远？

  4. for 循环太多。这是 ROIAlign 层和 Proposal 过滤器层的问题。由于每个 img 可能有不同数量的过滤提案，也只是因为很难操纵 5D 张量......我通常只是沿批处理轴拆分 bbox 或提案批次，并使用 for 循环来处理集合一次只有一个 img 的提案。但是从我对操作系统的有限了解来看，GPU 似乎不擅长做串行工作。那些 for 循环会拖累训练速度吗？有没有更好的方法在没有 for 循环的情况下在 5d 张量上实现这些计算？

  5. GPU太少了。基本问题：是否甚至可以仅在一个 GPU 上训练 Mask RCNN？如果不是...对于成本更低的对象掩蔽器有什么建议？我听说 YOLO 的计算成本也很高...

非常感谢！！

-Z

4

0 回答 0