TensorFlow对象检测API中用于平衡数据的类权重

Question

我正在使用Open Images Dataset上的TensorFlow对象检测API对SSD对象检测器进行微调。我的训练数据包含不平衡的课程，例如

1. 顶部（5K图像）
2. 连衣裙（50K图像）
3. 等等...

我想为分类损失增加类权重以提高性能。我怎么做？配置文件的以下部分似乎相关：

loss {
  classification_loss {
    weighted_sigmoid {
    }
  }
  localization_loss {
    weighted_smooth_l1 {
    }
  }
 ...
  classification_weight: 1.0
  localization_weight: 1.0
}

如何更改配置文件以添加每个类的分类损失权重？如果不通过配置文件，建议采取哪种方式？

Answer 1

API期望直接在注释文件中为每个对象（bbox）分配权重。由于这一要求，使用类权重的解决方案似乎是：

1）如果您有自定义数据集，则可以修改每个对象（bbox）的注释，以将权重字段包括为“对象/权重”。

2）如果您不想修改注释，则可以仅重新创建tf_records文件，以包括bbox的权重。

3）修改API的代码（对我来说似乎很棘手）

我决定去＃2，所以我在这里放了代码，为具有权重（1.0，0.1）的两个类（“ top”，“ dress”）的自定义数据集生成了此类加权 tf记录文件，并给出了xml注释文件夹如：

import os
import io
import glob
import hashlib
import pandas as pd
import xml.etree.ElementTree as ET
import tensorflow as tf
import random
from PIL import Image
from object_detection.utils import dataset_util

# Define the class names and their weight
class_names = ['top', 'dress', ...]
class_weights = [1.0, 0.1, ...]

def create_example(xml_file):

        tree = ET.parse(xml_file)
        root = tree.getroot()
        image_name = root.find('filename').text
        image_path = root.find('path').text
        file_name = image_name.encode('utf8')
        size=root.find('size')
        width = int(size[0].text)
        height = int(size[1].text)
        xmin = []
        ymin = []
        xmax = []
        ymax = []
        classes = []
        classes_text = []
        truncated = []
        poses = []
        difficult_obj = []
        weights = [] # Important line

        for member in root.findall('object'):

           xmin.append(float(member[4][0].text) / width)
           ymin.append(float(member[4][1].text) / height)
           xmax.append(float(member[4][2].text) / width)
           ymax.append(float(member[4][3].text) / height)
           difficult_obj.append(0)

           class_name = member[0].text
           class_id = class_names.index(class_name)
           weights.append(class_weights[class_id])

           if class_name == 'top':
               classes_text.append('top'.encode('utf8'))
               classes.append(1)
           elif class_name == 'dress':
               classes_text.append('dress'.encode('utf8'))
               classes.append(2)
           else:
               print('E: class not recognized!')

           truncated.append(0)
           poses.append('Unspecified'.encode('utf8'))

        full_path = image_path 
        with tf.gfile.GFile(full_path, 'rb') as fid:
            encoded_jpg = fid.read()
        encoded_jpg_io = io.BytesIO(encoded_jpg)
        image = Image.open(encoded_jpg_io)
        if image.format != 'JPEG':
           raise ValueError('Image format not JPEG')
        key = hashlib.sha256(encoded_jpg).hexdigest()

        #create TFRecord Example
        example = tf.train.Example(features=tf.train.Features(feature={
            'image/height': dataset_util.int64_feature(height),
            'image/width': dataset_util.int64_feature(width),
            'image/filename': dataset_util.bytes_feature(file_name),
            'image/source_id': dataset_util.bytes_feature(file_name),
            'image/key/sha256': dataset_util.bytes_feature(key.encode('utf8')),
            'image/encoded': dataset_util.bytes_feature(encoded_jpg),
            'image/format': dataset_util.bytes_feature('jpeg'.encode('utf8')),
            'image/object/bbox/xmin': dataset_util.float_list_feature(xmin),
            'image/object/bbox/xmax': dataset_util.float_list_feature(xmax),
            'image/object/bbox/ymin': dataset_util.float_list_feature(ymin),
            'image/object/bbox/ymax': dataset_util.float_list_feature(ymax),
            'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
            'image/object/class/label': dataset_util.int64_list_feature(classes),
            'image/object/difficult': dataset_util.int64_list_feature(difficult_obj),
            'image/object/truncated': dataset_util.int64_list_feature(truncated),
            'image/object/view': dataset_util.bytes_list_feature(poses),
            'image/object/weight': dataset_util.float_list_feature(weights) # Important line
        })) 
        return example  

def main(_):

    weighted_tf_records_output = 'name_of_records_file.record' # output file
    annotations_path = '/path/to/annotations/folder/*.xml' # input annotations

    writer_train = tf.python_io.TFRecordWriter(weighted_tf_records_output)
    filename_list=tf.train.match_filenames_once(annotations_path)
    init = (tf.global_variables_initializer(), tf.local_variables_initializer())
    sess=tf.Session()
    sess.run(init)
    list = sess.run(filename_list)
    random.shuffle(list)  

    for xml_file in list:
      print('-> Processing {}'.format(xml_file))
      example = create_example(xml_file)
      writer_train.write(example.SerializeToString())

    writer_train.close()
    print('-> Successfully converted dataset to TFRecord.')


if __name__ == '__main__':
    tf.app.run()

如果您有其他类型的注释，则代码将非常相似，但不幸的是，此代码将无法工作。

Answer 2

对象检测 API 损失定义于：https://github.com/tensorflow/models/blob/master/research/object_detection/core/losses.py

特别是，已经实施了以下损失类别：

分类损失：

1. 加权Sigmoid分类损失
2. Sigmoid焦点分类损失
3. 加权Softmax分类损失
4. 针对 Logits 损失的加权 Softmax 分类
5. BootstrappedSigmoid分类损失

本地化损失：

1. 加权L2定位损失
2. 加权平滑L1定位损失
3. 加权IOU定位损失

权重参数用于平衡锚点（先验框），并且[batch_size, num_anchors]除了硬负挖掘之外还有大小。或者，焦点损失会降低分类良好的示例的权重，并将重点放在困难的示例上。

主要类不平衡是由于与很少的正例（具有对象类的边界框）相比，负例（没有感兴趣对象的边界框）更多。这似乎就是为什么正例中的类不平衡（即正类标签的不均匀分布）没有作为对象检测损失的一部分实现的原因。