faster rcnn复现

### Faster R-CNN 实现教程

#### 一、环境准备
为了成功运行Faster R-CNN，需先配置好开发环境。推荐使用Anaconda来管理Python包和虚拟环境。

安装PyTorch及相关依赖库：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

#### 二、获取代码资源
可以从GitHub上找到多个开源项目提供完整的Faster R-CNN实现方案[^3]。例如biluko的仓库提供了详尽的目标检测算法实践指南以及配套的数据集处理工具。

下载并解压源码文件夹后，在命令行界面进入该项目目录下继续操作：

git clone https://github.com/biluko/Faster-RCNN-Pytorch.git
cd Faster-RCNN-Pytorch

#### 三、数据预处理
对于输入图像尺寸不一致的情况，通常会采用固定大小缩放的方式统一图片分辨率。此外还需要对原始标注信息进行转换以便后续训练过程调用。

创建自定义Dataset类继承`torch.utils.data.Dataset`接口，并重写其内部函数完成读取样本路径列表、加载单张图及其对应标签等功能。

from PIL import Image
import os.path as osp
class MyDataSet(Dataset):
    def __init__(self, root_dir, anno_file, transform=None):
        self.root_dir = root_dir
        self.transform = transform
        
        with open(anno_file,'r') as f:
            lines=f.readlines()
        
        self.img_files=[osp.join(root_dir,line.strip().split(' ')[0])for line in lines]
        self.label_files=[line.strip().split(' ')[1:]for line in lines]

    def __len__(self):return len(self.img_files)

    def __getitem__(self,idx):
        img_path=self.img_files[idx]
        labels=self.label_files[idx]
    
        image = Image.open(img_path).convert("RGB")

        target={}
        boxes=torch.as_tensor([[float(i) for i in box.split(',')]for box in labels],dtype=torch.float32)
        area=(boxes[:,3]-boxes[:,1])*(boxes[:,2]-boxes[:,0])
        iscrowd=torch.zeros((boxes.shape[0],),dtype=torch.int64)
        target["boxes"]=boxes
        target["labels"]=torch.ones((boxes.shape[0]),dtype=torch.int64)#假设所有类别都是同一类
        target["image_id"]=torch.tensor([idx])
        target["area"]=area
        target["iscrowd"]=iscrowd
    
        if self.transform!=None:image,target=self.transform(image,target)

        return image,target

#### 四、构建模型结构
基于官方文档说明搭建基础骨干网VGG16作为特征抽取器部分；接着引入Region Proposal Network (RPN)，用于生成候选框；最后通过RoI Pooling层连接到分类回归子网络完成最终预测输出。

model=models.detection.fasterrcnn_resnet50_fpn(pretrained=True)
in_features=model.roi_heads.box_predictor.cls_score.in_features
model.roi_heads.box_predictor=FasterRCNNPredictor(in_features,num_classes=len(CLASSES))

#### 五、设置超参数与优化策略
调整学习率衰减机制、权重初始化方式等细节有助于提高收敛速度及泛化能力。同时考虑到GPU显存限制因素可适当减少batch size大小以适应不同硬件条件下的实验需求。

device='cuda'if torch.cuda.is_available()else 'cpu'
num_epochs=10
lr=0.005
momentum=0.9
weight_decay=0.0005
optimizer=torch.optim.SGD(model.parameters(),lr,momentum=momentum,
                          weight_decay=weight_decay,nesterov=True)
scheduler=torch.optim.lr_scheduler.StepLR(optimizer,step_size=3,gamma=0.1)

#### 六、启动训练流程
编写循环迭代逻辑控制整个训练周期内的前向传播计算损失值反传更新权值等一系列动作直至满足停止准则为止。

def train_one_epoch(model,data_loader,optimizer,device,scheduler=None):
    model.train()

    losses_avg=[]
    for images,targets in tqdm(data_loader):

        images=list(image.to(device)for image in images)
        targets=[{k:v.to(device)for k,v in t.items()}for t in targets]

        loss_dict=model(images,targets)
        losses=sum(loss for loss in loss_dict.values())
        optimizer.zero_grad()
        losses.backward()
        optimizer.step()

        losses_reduced=synchronize_losses(losses)
        losses_avg.append(losses_reduced.item())

    scheduler.step()
    return np.mean(losses_avg)


for epoch in range(num_epochs):
    mean_loss=train_one_epoch(model,dataloader_train,optimizer,device,scheduler)
    print(f"Epoch {epoch}/{num_epochs}, Loss:{mean_loss:.4f}")