基于PyTorch、易上手,细粒度图像识别深度学习工具库Hawkeye开源

简介: 基于PyTorch、易上手,细粒度图像识别深度学习工具库Hawkeye开源

机器之心编辑部细粒度图像识别 [1] 是视觉感知学习的重要研究课题,在智能新经济和工业互联网等方面具有巨大应用价值,且在诸多现实场景已有广泛应用…… 鉴于当前领域内尚缺乏该方面的深度学习开源工具库,南京理工大学魏秀参教授团队用时近一年时间,开发、打磨、完成了 Hawkeye——细粒度图像识别深度学习开源工具库,供相关领域研究人员和工程师参考使用。本文是对 Hawkeye 的详细介绍。


目录


1. 什么是 Hawkeye 库

2. Hawkeye 支持的模型及方法

3. 安装 Hawkeye

4. 使用 Hawkeye 训练模型


1. 什么是 Hawkeye 库



Hawkeye 是一个基于 PyTorch 的细粒度图像识别深度学习工具库,专为相关领域研究人员和工程师设计。目前,Hawkeye 包含多种代表性范式的细粒度识别方法,包括 “基于深度滤波器”、“基于注意力机制”、“基于高阶特征交互”、“基于特殊损失函数”、“基于网络数据” 以及其他方法。


Hawkeye 项目代码风格良好,结构清晰易读,可拓展性较强。对于刚接触细粒度图像识别领域的相关人员而言,Hawkeye 较易上手,便于其理解细粒度图像识别的主要流程和代表性方法,同时也方便在本工具库上快速实现自己的算法。此外,我们还给出了库中各模型的训练示例代码,自研方法也可按照示例快速适配并添加至 Hawkeye 中。


Hawkeye 开源库链接:https://github.com/Hawkeye-FineGrained/Hawkeye


2. Hawkeye 支持的模型及方法


Hawkeye 目前支持细粒度图像识别中主要学习范式的共 16 个模型与方法,具体如下:


  • 基于深度滤波器
  • S3N (ICCV 2019)
  • Interp-Parts (CVPR 2020)
  • ProtoTree (CVPR 2021)
  • 基于注意力机制
  • OSME+MAMC (ECCV 2018)
  • MGE-CNN (ICCV 2019)
  • APCNN (IEEE TIP 2021)
  • 基于高阶特征交互
  • BCNN (ICCV 2015)
  • CBCNN (CVPR 2016)
  • Fast MPN-COV (CVPR 2018)
  • 基于特殊损失函数
  • Pairwise Confusion (ECCV 2018)
  • API-Net (AAAI 2020)
  • CIN (AAAI 2020)
  • 基于网络数据
  • Peer-Learning (ICCV 2021)
  • 其他方法
  • NTS-Net (ECCV 2018)
  • CrossX (ICCV 2019)
  • DCL (CVPR 2019)


3. 安装 Hawkeye


安装依赖


使用 conda 或者 pip 安装相关依赖:


  • Python 3.8
  • PyTorch 1.11.0 or higher
  • torchvison 0.12.0 or higher
  • numpy
  • yacs
  • tqdm


克隆仓库:




git clone https://github.com/Hawkeye-FineGrained/Hawkeye.gitcd Hawkeye


准备数据集


我们提供了 8 个常用的细粒度识别数据集及最新的下载链接:


首先,下载一个数据集(以 CUB200 为例):





cd Hawkeye/datawget https://data.caltech.edu/records/65de6-vp158/files/CUB_200_2011.tgzmkdir bird && tar -xvf CUB_200_2011.tgz -C bird/


我们提供了上述 8 个数据集的 meta-data 文件,能够匹配库中的 FGDataset 方便地加载训练集和测试集,训练集和测试集为各个数据集官方提供的划分。使用不同数据集时,只需在实验的 config 文件中修改 dataset 配置即可,方便切换。


在实验的 config 文件中修改 dataset 配置,示例如下:






dataset:  name: cub  root_dir: data/bird/CUB_200_2011/images  meta_dir: metadata/cub


4. 使用 Hawkeye 训练模型


对于 Hawkeye 支持的每个方法,我们均提供了单独的训练模板和配置文件。例如训练 APINet 只需一条命令:



python Examples/APINet.py --config configs/APINet.yaml

实验的参数都在相应的 yaml 文件中,可读性高、便于修改,如:



experiment:name: API_res101 2        # 实验名称  log_dir: results/APINet   # 实验日志、结果等的输出目录  seed: 42                  # 可以选择固定的随机数种子#  resume: results/APINet/API_res101 2/checkpoint_epoch_19.pth    # 可以从训练中断的 checkpoint 中恢复训练dataset:  name: cub          # 使用 CUB200 数据集  root_dir: data/bird/CUB_200_2011/images   # 数据集中图像放置的路径  meta_dir: metadata/cub                  # CUB200 的 metadata 路径  n_classes: 10         # 类别数,APINet 需要的数据集  n_samples: 4          # 每个类别的样本数  batch_size: 24        # 测试时的批样本数  num_workers: 4      # Dataloader 加载数据集的线程数  transformer:        # 数据增强的参数配置    image_size: 224      # 图像输入模型的尺寸 224x224    resize_size: 256    # 图像增强前缩放的尺寸 256x256model:  name: APINet        # 使用 APINet 模型,见 `model/methods/APINet.py`  num_classes: 200      # 类别数目#  load: results/APINet/API_res101 1/best_model.pth     # 可以加载训练过的模型参数train:  cuda: [4]          # 使用的 GPU 设备 ID 列表,[] 时使用 CPU  epoch: 100        # 训练的 epoch 数量  save_frequence: 10    # 自动保存模型的频率#  val_first: False      # 可选是否在训练前进行一次模型精度的测试  optimizer:    name: Adam        # 使用 Adam 优化器    lr: 0.0001        # 学习率为 0.0001    weight_decay: 0.00000002  scheduler:    # 本例使用自定义组合的 scheduler,由 warmup 和余弦退火学习率组合而成,见 `Examples/APINet.py`    name: ''    T_max: 100        # scheduler 的总迭代次数    warmup_epochs: 8    # warmup 的 epoch 数    lr_warmup_decay: 0.01  # warmup 衰减的比例  criterion:    name: APINetLoss    # APINet 使用的损失函数,见 `model/loss/APINet_loss.py`

实验的主程序 Examples/APINet.py 中的训练器 APINetTrainer 继承自 Trainer,不需要再写复杂的训练流程、logger、模型保存、配置加载等代码,只用按需修改部分模块即可。我们也提供了训练阶段的多个 hook 钩子,可以满足一些方法特别的实现方式。

日志文件、模型权重文件、训练使用的训练代码以及当时的配置文件都会保存在实验输出目录 log_dir 中,备份配置和训练代码便于日后对不同实验进行对比。


更多详细示例可参考项目链接中的具体信息:https://github.com/Hawkeye-FineGrained/Hawkeye


参考

[1] X.-S. Wei, Y.-Z. Song, O. Mac Aodha, J. Wu, Y. Peng, J. Tang, J. Yang, and S. Belongie. Fine-Grained Image Analysis with Deep Learning: A Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), DOI: 10.1109/TPAMI.2021.3126648. https://ieeexplore.ieee.org/document/9609630

相关实践学习
基于函数计算实现AI推理
本场景基于函数计算建立一个TensorFlow Serverless AI推理平台。
相关文章
|
3天前
|
机器学习/深度学习 PyTorch TensorFlow
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
8 0
|
5天前
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch 与 Tensorflow:深度学习的主要区别(1)
Pytorch 与 Tensorflow:深度学习的主要区别(1)
17 2
|
5天前
|
机器学习/深度学习 PyTorch API
pytorch与深度学习
【5月更文挑战第3天】PyTorch,Facebook开源的深度学习框架,以其动态计算图和灵活API深受青睐。本文深入浅出地介绍PyTorch基础,包括动态计算图、张量和自动微分,通过代码示例演示简单线性回归和卷积神经网络的实现。此外,探讨了模型架构、自定义层、数据加载及预处理等进阶概念,并分享了实战技巧、问题解决方案和学习资源,助力读者快速掌握PyTorch。
34 5
|
5天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【Python机器学习专栏】PyTorch在深度学习中的应用
【4月更文挑战第30天】PyTorch是流行的开源深度学习框架,基于动态计算图,易于使用且灵活。它支持张量操作、自动求导、优化器和神经网络模块,适合快速实验和模型训练。PyTorch的优势在于易用性、灵活性、社区支持和高性能(利用GPU加速)。通过Python示例展示了如何构建和训练神经网络。作为一个强大且不断发展的工具,PyTorch适用于各种深度学习任务。
|
5天前
|
机器学习/深度学习 自然语言处理 算法
PyTorch与NLP:自然语言处理的深度学习实战
随着人工智能技术的快速发展,自然语言处理(NLP)作为其中的重要分支,日益受到人们的关注。PyTorch作为一款强大的深度学习框架,为NLP研究者提供了强大的工具。本文将介绍如何使用PyTorch进行自然语言处理的深度学习实践,包括基础概念、模型搭建、数据处理和实际应用等方面。
|
5天前
|
机器学习/深度学习 并行计算 PyTorch
PyTorch与CUDA:加速深度学习训练
【4月更文挑战第18天】本文介绍了如何使用PyTorch与CUDA加速深度学习训练。CUDA是NVIDIA的并行计算平台,常用于加速深度学习中的矩阵运算。PyTorch与CUDA集成,允许开发者将模型和数据迁移到GPU,利用`.to(device)`方法加速计算。通过批处理、并行化策略及优化技巧,如混合精度训练,可进一步提升训练效率。监控GPU内存和使用调试工具确保训练稳定性。PyTorch与CUDA的结合对深度学习训练的加速作用显著。
|
5天前
|
PyTorch 算法框架/工具 Android开发
PyTorch 深度学习(GPT 重译)(六)(4)
PyTorch 深度学习(GPT 重译)(六)
39 2
|
15小时前
|
机器学习/深度学习 传感器 算法
深度学习在图像识别中的应用与挑战
【5月更文挑战第20天】 随着人工智能技术的飞速发展,深度学习已经成为计算机视觉领域的核心动力,尤其在图像识别任务中展现出了非凡的能力。本文将探讨深度学习技术在图像识别中的应用,涉及的关键算法如卷积神经网络(CNN),以及在实际应用中遇到的挑战和解决方案。通过分析现有文献和最新研究成果,我们将概述深度学习如何推动图像识别的边界,并讨论未来的发展方向。
|
15小时前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶领域的应用进展
【5月更文挑战第20天】 随着人工智能技术的飞速发展,深度学习在图像识别领域取得了显著成果。这些进展为自动驾驶技术的安全性与可靠性提供了强大的技术支持。本文综述了深度学习在图像识别中的关键算法,分析了其在自动驾驶环境感知、决策制定和控制系统中的应用,并探讨了当前技术面临的主要挑战及潜在的解决策略。通过实验验证,深度学习模型表现出卓越的性能,推动了自动驾驶技术的进一步发展。
|
15小时前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶系统中的应用
【5月更文挑战第20天】 随着人工智能技术的飞速发展,尤其是深度学习在图像处理领域的广泛应用,自动驾驶汽车逐渐成为现实。本文旨在探讨一种基于深度学习的图像识别技术,该技术能够有效提升自动驾驶系统的环境感知能力。通过构建一个多层次的卷积神经网络(CNN),我们能够实现对道路场景中多种元素的精确识别,包括行人、车辆以及交通标志等。文中详细介绍了网络架构的设计、训练过程以及优化策略,并分析了模型在实车测试中的表现。