资源 | 微软发布可变形卷积网络代码：可用于多种复杂视觉任务_

选自Github

机器之心编译

编辑：吴攀

上个月，微软代季峰等研究者发布的一篇论文提出了一种可变形卷积网络，该研究「引入了两种新的模块来提高卷积神经网络（CNN）对变换的建模能力，即可变形卷积（deformable convolution）和可变形兴趣区域池化（deformable ROI pooling）」，详情参阅机器之心专栏文章《专栏 | MSRA 视觉组最新研究：可变形卷积网络》。近日，该研究团队如其承诺的那样在 GitHub 上公布了相关代码。机器之心对该项目的 README.md 内容进行了编译介绍。

项目地址：https://github.com/msracver/Deformable-ConvNets

论文地址：https://arxiv.org/abs/1703.06211

本代码库的主要贡献者包括：熊郁文、齐浩之、张国栋、李益、代季峰、Bin Xiao、危夷晨。

声明

这是可变形卷积网络（Deformable ConvNets）的官方实现，需要注意：

这个原实现基于我们在 Windows 上的内部 Caffe 版本。如果切换平台，由于各种平台有许多不同的具体细节，所以最终结果的准确度和运行时间会稍有不同。

本代码是在官方的 MXNet@(commit 62ecb60) 测试的：https://github.com/dmlc/mxnet/tree/62ecb60，并使用了额外的用于可变形卷积网络的算子。

我们基于在 ImageNet 上预训练的 ResNet-v1-101训练了我们的模型，并且使用了一个模型转换器。被转换后模型的准确度略低一点（在 ImageNet 验证集上的 Top-1 Error：24.0% v.s. 23.6%）。

目前其仅包含使用 R-FCN 的可变形卷积网络。使用 DeepLab 的可变形卷积网络将在不久之后发布。

本代码库使用了来自 MXNet rcnn example 和 mx-rfcn 的代码

介绍

可变形卷积网络最早在这篇 arXiv 技术报告中描述：https://arxiv.org/abs/1703.06211。

R-FCN 最早见于这篇 NIPS 2016 论文：https://arxiv.org/abs/1605.06409。

　　资源 | 微软发布可变形卷积网络代码：可用于多种复杂视觉任务

证书

引用可变形卷积网络

如果你要在你的研究中使用可变形卷积网络，请考虑引用：

@article{dai17dcn,

Author = {Jifeng Dai, Haozhi Qi, Yuwen Xiong, Yi Li, Guodong Zhang, Han Hu, Yichen Wei},

Title = {Deformable Convolutional Networks},

Journal = {arXiv preprint arXiv:1703.06211},

Year = {2017}

}

@inproceedings{dai16rfcn,

Author = {Jifeng Dai, Yi Li, Kaiming He, Jian Sun},

Title = {{R-FCN}: Object Detection via Region-based Fully Convolutional Networks},

Conference = {NIPS},

Year = {2016}

}

主要结果

资源 | 微软发布可变形卷积网络代码：可用于多种复杂视觉任务

注：运行时间是在单个 Maxwell Titan X GPU 上统计得到的（推理阶段的 mini-batch 大小是 1）

软件需求

1.Python 软件包里面可能没有 cython、opencv-python >= 3.2.0 和 easydict。如果你的系统已经设置了 pip，你可以通过以下代码获取和安装这些包：

pip install Cython

pip install opencv-python==3.2.0.6

pip install easydict==1.6

2. 对于 Windows 用户，编译 cython 模块需要 Visual Studio 2015

硬件需求

任何至少有 4GB 内存的英伟达 GPU 应该都可以。

安装

1. 克隆这个可变形卷积网络代码库：

git clone https://github.com/msracver/Deformable-ConvNets.git

2.Windows 用户请运行 cmd .init.bat；Linux 用户请运行 sh ./init.sh。该脚本会自动编译 cython 模块并创建一些文件夹。

3. 将 ./rfcn/operator_cxx 中的 operator 复制到 $(YOUR_MXNET_FOLDER)/src/operator/contrib 并重新编译 MXNet。

4. 请按照 MXNet 的官方指南安装 MXNet。对于高阶用户，你可以将你的 Python 包放到 ./external/mxnet/$(YOUR_MXNET_PACKAGE)，并修改 ./experiments/rfcn/cfgs/*.yaml 中的 MXNET_VERSION 到 $(YOUR_MXNET_PACKAGE)。这样你就可以快速切换不同的 MXNet 版本了。

演示（demo）

1. 要使用有我们训练的模型的 demo（在 COCO trainval 上训练的），请从 OneDrive 手动下载该模型：https://1drv.ms/u/s!AoN7vygOjLIQqmE7XqFVLbeZDfVN，并将其放置在 model/ 文件夹中。确保其看起来像这样：

./model/rfcn_dcn_coco-0000.params

./model/rfcn_coco-0000.params

2. 运行 demo：

python ./rfcn/demo.py

其默认运行可变形 R-FCN（Deformable R-FCN），并会给出一些预测结果，要运行 R-FCN，请使用：

python ./rfcn/demo.py --rfcn_only

我们不久后就将发布能够可视化其变形效果的可视化工具。

为训练和测试的准备

1. 请下载 COCO 和 VOC 2007+2012 数据，并按如下方式放置：

./data/coco/

./data/VOCdevkit/VOC2007/

./data/VOCdevkit/VOC2012/

2. 请从 OneDrive 手动下载在 ImageNet 上预训练的 ResNet-v1-101：https://1drv.ms/u/s!Am-5JzdW2XHzhqMEtxf1Ciym8uZ8sg，并将其放置到 .model/ 文件夹。确保其看起来像这样：

./model/pretrained_model/resnet_v1_101-0000.params

使用

1. 我们所有的实验设置（GPU 型号、数据集等）都保存为 yaml 文件，位于文件夹 ./experiments/rfcn/cfgs

2. 目前已经提供了 4 个配置文件，即用于 COCO/VOC 的 R-FCN 和用于 COCO/VOC 的 Deformable R-FCN。我们分别在 COCO 和 VOC 上使用了 8 个和 4 个 GPU 来训练模型。

3. 为了执行实验，请运行以对应配置文件为输入的 Python 脚本。比如，为了使用 ResNet-v1-101 在 COCO 上训练和测试可变形卷积网络，请使用以下命令：

python experimentsrfcnrfcn_end2end_train_test.py --cfg

4. 请查看配置文件和我们的代码来了解更多细节。

其它

推荐使用不带 CuDNN 的 MXNet 版本。

代码已经在以下环境中进行了测试：

Ubuntu 14.04，一个 Maxwell Titan X GPU 和 Intel Xeon CPU E5-2620 v2 @ 2.10GHz

Windows Server 2012 R2，8 个 K40 GPU 和 Intel Xeon CPU E5-2650 v2 @ 2.60GHz

Windows Server 2012 R2，4 个 Pascal Titan X GPU 和 Intel Xeon CPU E5-2650 v4 @ 2.30GHz

↓↓↓

转载请注明出处。