Detekce objektů pomocí R-CNN

Deep Learning pro obrázky s PyTorchem

Michal Oleszak

Machine Learning Engineer

Rodina CNN na bázi oblastí: R-CNN

Rodina R-CNN: R-CNN, Fast-CNN, Faster CNN

R-CNN

Modul 1: generování návrhů oblastí

¹ Citation: Jason Brownlee. 2019. Deep Learning for Computer Vision.

Rodina CNN na bázi oblastí: R-CNN

Rodina R-CNN: R-CNN, Fast-CNN, Faster CNN

R-CNN

Modul 1: generování návrhů oblastí
Modul 2: extrakce příznaků (konvoluční vrstvy)

¹ Citation: Jason Brownlee. 2019. Deep Learning for Computer Vision.

Rodina CNN na bázi oblastí: R-CNN

Rodina R-CNN: R-CNN, Fast-CNN, Faster CNN

R-CNN

Modul 1: generování návrhů oblastí
Modul 2: extrakce příznaků (konvoluční vrstvy)
Modul 3: predikce třídy a ohraničujícího rámečku

¹ Citation: Jason Brownlee. 2019. Deep Learning for Computer Vision.

R-CNN: backbone

Konvoluční vrstvy: předtrénované modely
- Backbone: základní architektura CNN pro extrakci příznaků

backbone

Konvoluční a poolingové vrstvy
Extrakce příznaků pro návrhy oblastí a detekci objektů

R-CNN: backbone v PyTorch

import torch.nn as nn
from torchvision.models import vgg16,
    VGG16_Weights


vgg = vgg16(weights=VGG16_Weights.DEFAULT)

model vgg

R-CNN: backbone v PyTorch

import torch.nn as nn
from torchvision.models import vgg16,
    VGG16_Weights


vgg = vgg16(weights=VGG16_Weights.DEFAULT)

příznaky modelu vgg

.features: pouze konvoluční vrstvy

R-CNN: backbone v PyTorch

import torch.nn as nn
from torchvision.models import vgg16,
    VGG16_Weights


vgg = vgg16(weights=VGG16_Weights.DEFAULT)

model vgg

.features: pouze konvoluční vrstvy
.children(): všechny vrstvy bloku

R-CNN: backbone v PyTorch

import torch.nn as nn
from torchvision.models import vgg16,
    VGG16_Weights


vgg = vgg16(weights=VGG16_Weights.DEFAULT)


backbone = nn.Sequential(
    *list(vgg.features.children())
)

nn.Sequential(*list()): všechny podvrstvy jsou zařazeny do sekvenčního bloku jako seznam
- *: rozbalí prvky ze seznamu

model vgg

.features: pouze konvoluční vrstvy
.children(): všechny vrstvy bloku

R-CNN: klasifikační vrstva

Extrakce výstupní velikosti backbonu

input_dimension = nn.Sequential(*list(
    vgg_backbone.classifier.children())
)[0].in_features

Vytvoření nového klasifikátoru

classifier = nn.Sequential(
    nn.Linear(input_dimension, 512),
    nn.ReLU(),
    nn.Linear(512, num_classes),
)

R-CNN: vrstva regresoru rámečků

Umístěna na vrcholu backbonu
4 výstupy pro 4 souřadnice ohraničujícího rámečku

box_regressor = nn.Sequential(
    nn.Linear(input_dimension, 32),
    nn.ReLU(),
    nn.Linear(32, 4),
)

Vše dohromady: model detekce objektů

class ObjectDetectorCNN(nn.Module):
    def __init__(self):
        super(ObjectDetectorCNN, self).__init__()

        vgg = vgg16(weights=VGG16_Weights.DEFAULT)
        self.backbone = nn.Sequential(*list(vgg.features.children()))

        input_features = nn.Sequential(*list(vgg.classifier.children()))[0].in_features

        self.classifier = nn.Sequential(
            nn.Linear(input_features, 512),
            nn.ReLU(),
            nn.Linear(512, 2),
        )

        self.box_regressor = nn.Sequential(
            nn.Linear(input_features, 32),
            nn.ReLU(),
            nn.Linear(32, 4),
        )

Vše dohromady: model detekce objektů

class ObjectDetector(nn.Module):
    (...)

    def forward(self, x):

        features = self.backbone(x)

        bboxes = self.regressor(features)
        classes = self.classifier(features)
        return bboxes, classes

Spuštění rozpoznávání objektů

Načtení a transformace obrázku
unsqueeze() obrázku pro přidání dávkové dimenze
Předání tenzoru obrázku modelu
Spuštění Non-Max Suppression (nms()) nad výstupem modelu
draw_bounding_boxes() na obrázek

Lass uns üben!

Deep Learning pro obrázky s PyTorchem