6.6 KiB
图像识别常见问题汇总 - 2021 第2季
目录
- 第1期(2021.07.08)
第1期
Q1.1: 目前使用的主体检测模型检测在某些场景中会有误检？
A：目前的主体检测模型训练时使用了COCO、Object365、RPC、LogoDet等公开数据集，如果被检测数据是类似工业质检等于常见类别差异较大的数据，需要基于目前的检测模型重新微调训练。
Q1.2: 添加图片后建索引报assert text_num >= 2错？
A：请确保data_file.txt中图片路径和图片名称中间的间隔为单个table，而不是空格。
Q1.3: 识别模块预测时报Illegal instruction错？
A：可能是编译生成的库文件与您的环境不兼容，导致程序报错，如果报错，推荐参考向量检索教程重新编译库文件。
Q1.4 主体检测是每次只输出一个主体检测框吗？
A：主体检测这块的输出数量是可以通过配置文件配置的。在配置文件中Global.threshold控制检测的阈值，小于该阈值的检测框被舍弃，Global.max_det_results控制最大返回的结果数，这两个参数共同决定了输出检测框的数量。
Q1.5 训练主体检测模型的数据是如何选择的？换成更小的模型会有损精度吗？
A：训练数据是在COCO、Object365、RPC、LogoDet等公开数据集中随机抽取的子集，小模型精度可能会有一些损失，后续我们也会尝试下更小的检测模型。关于主体检测模型的更多信息请参考主体检测。
Q1.6 识别模型怎么在预训练模型的基础上进行微调训练？
A：识别模型的微调训练和分类模型的微调训练类似，识别模型可以加载商品的预训练模型],训练过程可以参考识别模型训练，后续我们也会持续细化这块的文档。
Q1.7 PaddleClas和PaddleDetection区别
A：PaddleClas是一个兼主体检测、图像分类、图像检索于一体的图像识别repo，用于解决大部分图像识别问题，用户可以很方便的使用PaddleClas来解决小样本、多类别的图像识别问题。PaddleDetection提供了目标检测、关键点检测、多目标跟踪等能力，方便用户定位图像中的感兴趣的点和区域，被广泛应用于工业质检、遥感图像检测、无人巡检等项目。
Q1.8 PaddleClas 2.2和PaddleClas 2.1完全兼容吗？
A：PaddleClas2.2相对PaddleClas2.1新增了metric learning模块，主体检测模块、向量检索模块。另外，也提供了商品识别、车辆识别、logo识别和动漫人物识别等4个场景应用示例。用户可以基于PaddleClas 2.2快速构建图像识别系统。在图像分类模块，二者的使用方法类似，可以参考图像分类示例快速迭代和评估。新增的metric learning模块，可以参考metric learning示例。另外，新版本暂时还不支持fp16、dali训练，也暂时不支持多标签训练，这块内容将在不久后支持。
Q1.9 训练metric learning时，每个epoch中，无法跑完所有mini-batch，为什么？
A：在训练metric learning时，使用的Sampler是DistributedRandomIdentitySampler，该Sampler不会采样全部的图片，导致会让每一个epoch采样的数据不是所有的数据，所以无法跑完显示的mini-batch是正常现象。后续我们会优化下打印的信息，尽可能减少给大家带来的困惑。
Q1.10 有些图片没有识别出结果，为什么？
A：在配置文件（如inference_product.yaml）中，IndexProcess.score_thres中会控制被识别的图片与库中的图片的余弦相似度的最小值。当余弦相似度小于该值时，不会打印结果。您可以根据自己的实际数据调整该值。
Q1.11 为什么有一些图片检测出的结果就是原图？
A：主体检测模型会返回检测框，但事实上为了让后续的识别模型更加准确，在返回检测框的同时也返回了原图。后续会根据原图或者检测框与库中的图片的相似度排序，相似度最高的库中图片的标签即为被识别图片的标签。
Q1.12 使用circle loss还需加triplet loss吗？
A：circle loss是统一了样本对学习和分类学习的两种形式，如果是分类学习的形式的话，可以增加triplet loss。
Q1.13 hub serving方式启动某个模块，怎么添加该模块的参数呢？
A：具体可以参考hub serving参数。
Q1.14 模型训练出nan，为什么？
A：
1.确保正确加载预训练模型, 最简单的加载方式添加参数-o Arch.pretrained=True即可；
2.模型微调时，学习率不要太大，如设置0.001就好。
Q1.15 SSLD中，大模型在500M数据上预训练后蒸馏小模型，然后在1M数据上蒸馏finetune小模型？
A：步骤如下：
1.基于facebook开源的ResNeXt101-32x16d-wsl模型 去蒸馏得到了ResNet50-vd模型；
2.用这个ResNet50-vd，在500W数据集上去蒸馏MobilNetV3；
3.考虑到500W的数据集的分布和100W的数据分布不完全一致，所以这块，在100W上的数据上又finetune了一下，精度有微弱的提升。
Q1.16 如果不是识别开源的四个方向的图片，该使用哪个识别模型？
A：建议使用商品识别模型，一来是因为商品覆盖的范围比较广，被识别的图片是商品的概率更大，二来是因为商品识别模型的训练数据使用了5万类别的数据，泛化能力更好，特征会更鲁棒一些。
Q1.17 最后使用512维的向量，为什么不用1024或者其他维度的呢？
A：使用维度小的向量，为了加快计算，在实际使用过程中，可能使用128甚至更小。一般来说，512的维度已经够大，能充分表示特征了。
Q1.18 训练SwinTransformer，loss出现nan
A：训练SwinTransformer的话，需要使用paddle-dev去训练，安装方式参考paddlepaddle安装方式，后续paddlepaddle-2.1也会同时支持。
Q1.19 新增底库数据需要重新构建索引吗？
A：这一版需要重新构建索引，未来版本会支持只构建新增图片的索引。
Q1.20 PaddleClas 的train_log文件在哪里?
A：在保存权重的路径中存放了train.log。