CLIMS 项目使用教程

1. 项目目录结构及介绍

CLIMS/
├── cam-baseline-coco/
│   └── res50_cam.pth
├── cam-baseline-voc12/
│   └── res50_cam.pth
├── data/
│   ├── COCO/
│   │   ├── annotations/
│   │   ├── mask/
│   │   ├── train2014/
│   │   └── val2014/
│   └── VOC2012/
│       ├── Annotations/
│       ├── ImageSets/
│       ├── SegmentationClass/
│       ├── SegmentationClassAug/
│       └── SegmentationObject/
├── misc/
├── net/
├── previous_version/
├── segmentation/
│   └── deeplabv2/
├── step/
├── step_coco/
├── voc12/
├── LICENSE
├── README.md
├── clims.png
├── clip_loss.py
├── clip_utils.py
├── demo_utils.py
├── imutils.py
├── requirements.txt
├── run_sample.py
├── run_sample_coco.py
├── torch_utils.py
└── utils.py

目录结构介绍

• cam-baseline-coco/ 和 cam-baseline-voc12/: 包含预训练的基线 CAM 模型文件。
• data/: 存放数据集的目录，包括 PASCAL VOC2012 和 MS-COCO 2014 数据集。
• misc/, net/, previous_version/, segmentation/, step/, step_coco/, voc12/: 存放项目代码和相关文件的目录。
• LICENSE: 项目的许可证文件。
• README.md: 项目的说明文档。
• clims.png: 项目图标或相关图片。
• clip_loss.py, clip_utils.py, demo_utils.py, imutils.py, torch_utils.py, utils.py: 项目的主要代码文件。
• requirements.txt: 项目依赖的 Python 包列表。
• run_sample.py 和 run_sample_coco.py: 项目的启动文件。

2. 项目启动文件介绍

run_sample.py

该文件是用于在 PASCAL VOC2012 数据集上训练和评估 CLIMS 模型的启动文件。

CUDA_VISIBLE_DEVICES=0 python run_sample.py --voc12_root /data1/xjheng/dataset/VOC2012/ --hyper 10 24 1 0 2 --clims_num_epoches 15 --cam_eval_thres 0.15 --work_space clims_voc12 --cam_network net.resnet50_clims --train_clims_pass True --make_clims_pass True --eval_cam_pass True

run_sample_coco.py

该文件是用于在 MS-COCO 2014 数据集上训练和评估 CLIMS 模型的启动文件。

CUDA_VISIBLE_DEVICES=6,7 python -m torch.distributed.launch --nproc_per_node=2 run_sample_coco.py --work_space clims_coco --clims_network net.resnet50_clims --train_clims_pass True --make_clims_pass True --eval_cam_pass True --clims_num_epoches 8 --cam_eval_thres 0.15 --hyper 2 14 1 25 0 2 --cam_batch_size 16 --clims_learning_rate 0.0005 --use_distributed_train True --cbs_loss_thresh 0.285

3. 项目的配置文件介绍

requirements.txt

该文件列出了项目运行所需的 Python 包及其版本。

ftfy
regex
tqdm
torch
torchvision
numpy
scipy
scikit-image
matplotlib
Pillow

其他配置

• hyper: 超参数配置，用于调整模型的训练过程。
• clims_num_epoches: 训练的 epoch 数量。
• cam_eval_thres: CAM 评估的阈值。
• work_space: 工作空间目录，用于保存训练过程中的中间结果和模型文件。
• cam_network: 使用的 CAM 网络模型。
• train_clims_pass, make_clims_pass, eval_cam_pass: 控制训练、生成和评估 CAM 的开关。

通过以上配置，可以灵活地调整和优化 CLIMS 模型的训练和评估过程。