mmpretrain

4.3 KiB

Raw Blame History

形状偏差(Shape Bias)工具用法

形状偏差(shape bias)衡量模型与纹理相比，如何依赖形状来感知图像中的语义。关于更多细节，我们向感兴趣的读者推荐这篇论文。MMPretrain提供现成的工具箱来获得分类模型的形状偏差。您可以按照以下步骤操作：

准备数据集

首先你应该下载cue-conflict 到data文件夹，然后解压缩这个数据集。之后，你的data文件夹应具有一下结构：

data
├──cue-conflict
|      |──airplane
|      |──bear
|      ...
|      |── truck

修改分类配置

我们在使用MAE预训练的ViT-base模型上运行形状偏移工具。它的配置文件为configs/mae/benchmarks/vit-base-p16_8xb128-coslr-100e_in1k.py，它的检查点可从此链接下载。将原始配置中的test_pipeline, test_dataloader和test_evaluation替换为以下配置：

test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='ResizeEdge',
        scale=256,
        edge='short',
        backend='pillow'),
    dict(type='CenterCrop', crop_size=224),
    dict(type='PackInputs')
]
test_dataloader = dict(
    pin_memory=True,
    collate_fn=dict(type='default_collate'),
    batch_size=32,
    num_workers=4,
    dataset=dict(
        type='CustomDataset',
        data_root='data/cue-conflict',
        pipeline=test_pipeline,
        _delete_=True),
    sampler=dict(type='DefaultSampler', shuffle=False),
    persistent_workers=True,
    drop_last=False)
test_evaluator = dict(
    type='mmpretrain.ShapeBiasMetric',
    _delete_=True,
    csv_dir='work_dirs/shape_bias',
    model_name='mae')

请注意，你应该对上面的csv_dir和model_name进行自定义修改。我把修改后的示例配置文件重命名为configs/mae/benchmarks/文件夹中的vit-base-p16_8xb128-coslr-100e_in1k_shape-bias.py文件。

用上面修改后的配置文件在你的模型上做推断

然后，你应该使用修改后的配置文件在cue-conflict数据集上推断你的模型。

# For PyTorch
bash tools/dist_test.sh $CONFIG $CHECKPOINT

所有参数的说明：

$CONFIG: 修改后的配置文件的路径。
$CHECKPOINT: 检查点文件的路径或链接。

# Example
bash tools/dist_test.sh configs/mae/benchmarks/vit-base-p16_8xb128-coslr-100e_in1k_shape-bias.py https://download.openmmlab.com/mmselfsup/1.x/mae/mae_vit-base-p16_8xb512-fp16-coslr-1600e_in1k/vit-base-p16_ft-8xb128-coslr-100e_in1k/vit-base-p16_ft-8xb128-coslr-100e_in1k_20220825-cf70aa21.pth 1

之后，你应该在csv_dir文件夹中获得一个名为cue-conflict_model-name_session-1.csv的csv文件。除了这个文件以外，你还应该下载这些csv文件到csv_dir。

绘制形状偏差图

然后我们可以开始绘制形状偏差图：

python tools/analysis_tools/shape_bias.py --csv-dir $CSV_DIR --result-dir $RESULT_DIR --colors $RGB --markers o --plotting-names $YOUR_MODEL_NAME --model-names $YOUR_MODEL_NAME

所有参数的说明:

--csv-dir $CSV_DIR, 与保存这些csv文件的目录相同。
--result-dir $RESULT_DIR, 输出名为cue-conflict_shape-bias_matrixplot.pdf的结果的目录。
--colors $RGB, 应该是RGB值，格式为R G B，例如100 100 100，如果你想绘制几个模型的形状偏差，可以是多个RGB值。
--plotting-names $YOUR_MODEL_NAME, 形状偏移图中图例的名称，您可以将其设置为模型名称。如果要绘制多个模型，plotting_names可以是多个值。
model-names $YOUR_MODEL_NAME, 应与配置中指定的名称相同，如果要绘制多个模型的形状偏差，则可以是多个名称。

请注意，--colors的每三个值对应于--model-names的一个值。完成以上所有步骤后，你将获得下图。

4.3 KiB Raw Blame History Unescape Escape