DN-DETR：通过引入查询去噪加速DETR训练

作者：冯力*、张浩*、刘世龙、郭健、倪明选和张磊。

本仓库是DN-DETR的官方实现。该论文被CVPR 2022接收（得分112，口头报告）。代码现已开放。 [CVPR论文链接] [扩展版论文链接] [中文解读]

新闻

[2022/12]：我们在arxiv上发布了DN-DETR的扩展版，这是论文链接！我们将去噪训练应用于基于CNN的模型Faster R-CNN、分割模型Mask2Former以及其他类DETR模型如Anchor DETR和DETR，以提高这些模型的性能。

[2022/12]：Mask DINO的代码已开放！Mask DINO在COCO数据集上使用ResNet-50和SwinL骨干网络（无额外检测数据）分别达到了51.7和59.0的框AP，在相同设置下超越了DINO！

[2022/11]：基于DN-DETR的DINO实现已在本仓库中发布。感谢@Vallum！这个优化版本在ResNet-50下能在36轮训练中达到50.8 ~ 51.0 AP。

[2022/9]：我们发布了一个工具箱detrex，提供了许多最先进的基于Transformer的检测算法。其中包括性能更好的DN-DETR。欢迎使用！

[2022/7]：DINO的代码已在这里开放！

[2022/6]：我们发布了一个统一的检测和分割模型Mask DINO，在三个分割任务上都取得了最佳结果（COCO实例分割榜单上54.5 AP，COCO全景分割榜单上59.4 PQ，以及ADE20K语义分割榜单上60.8 mIoU）！代码将在这里开放。

[2022/5]：我们的代码已开放！使用ResNet-50在COCO上达到了更好的性能49.5AP。

[2022/4]：DAB-DETR的代码已在这里开放。

[2022/3]：我们创建了一个仓库Awesome Detection Transformer，展示了关于用于检测和分割的transformer的论文。欢迎关注！

[2022/3]：DN-DETR被选为CVPR2022的口头报告。

[2022/3]：我们发布了另一项工作DINO:DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection，首次将DETR类模型确立为榜单上的SOTA模型。同样基于DN。代码将在这里开放。

简介

1. 我们提出了一种新颖的去噪训练方法，以加速DETR训练，并对DETR类方法收敛缓慢问题提供了深入理解。
2. DN仅是一种训练方法，可插入许多DETR类模型甚至传统模型中以提升性能。
3. DN-DETR在使用ResNet-50骨干网络进行12和50轮训练时，分别达到了43.4和48.6的AP。与相同设置下的基线模型相比，DN-DETR仅用**50%**的训练轮数就达到了可比的性能。
4. 我们优化后的模型取得了更好的性能。DN-Deformable-DETR使用ResNet-50骨干网络达到了49.5的AP。

模型

我们在DAB-DETR的基础上添加了去噪部分以加速训练收敛。这只增加了最少的计算量，并在推理时会被移除。 我们进行了广泛的实验来验证我们的去噪训练的有效性，例如收敛曲线比较。您可以参考我们的论文获取更多实验结果。

模型库

我们提供了DAB-DETR、DAB-Deformable-DETR（仅可变形编码器）和DAB-Deformable-DETR下的模型（参见DAB-DETR的代码和论文了解更多详情）。

您也可以参考我们的

[Google Drive模型库]

[百度网盘模型库]（提取码niet）。

50轮训练设置

注意：

• ¹：由于我们优化了代码，结果相比论文中报告的有所提升（从44.1到44.4）。我们没有重新运行其他模型，所以你可能会获得比我们论文中报告的更好的性能。
• ²：标记为(3模式)的模型使用多种模式嵌入进行训练（更多详情请参考Anchor DETR或DAB-DETR）。
• ³：此模型基于DAB-Deformable-DETR(仅可变形编码器)，是DAB-DETR的多尺度版本。由于仅在编码器中使用可变形注意力，需要16个GPU进行训练。
• ⁴：此模型基于DAB-Deformable-DETR，是一个优化的可变形DETR实现。更多详情请参见DAB-DETR。 我们鼓励你使用这个可变形版本，因为它在编码器和解码器中都使用了可变形注意力，更加轻量级（即可以用4/8个A100 GPU训练）并且收敛更快（即在24轮内达到48.4，与50轮的DAB-Deformable-DETR相当）。

使用方法

如何在你自己的模型中使用去噪训练

我们的代码大部分遵循DAB-DETR，并添加了用于去噪训练的额外组件，这些组件封装在dn_components.py文件中。主要包括3个函数：prepare_for_dn、dn_post_proces（前两个用于在检测前向函数中处理去噪部分）和compute_dn_loss（用于计算去噪损失）。你可以导入这些函数并将它们添加到你自己的检测模型中。 如果你想在自己的检测模型中使用它，你也可以比较DN-DETR和DAB-DETR，看看这些函数是如何添加的。

我们也鼓励你将其应用到其他类DETR模型甚至传统检测模型中，并在这个仓库中更新结果。

安装

我们使用DAB-DETR项目作为我们的代码基础，因此我们的DN-DETR不需要额外的依赖。对于DN-Deformable-DETR，你需要手动编译可变形注意力算子。

我们在python=3.7.3,pytorch=1.9.0,cuda=11.1环境下测试了我们的模型。其他版本可能也适用。

1. 克隆此仓库

git clone https://github.com/IDEA-Research/DN-DETR.git
cd DN-DETR

2. 安装Pytorch和torchvision

按照https://pytorch.org/get-started/locally/的说明进行操作。

# 示例：
conda install -c pytorch pytorch torchvision

3. 安装其他所需包

pip install -r requirements.txt

4. 编译CUDA算子

cd models/dn_dab_deformable_detr/ops
python setup.py build install
# 单元测试（应该看到所有检查都为True）
python test.py
cd ../../..

数据

请下载COCO 2017数据集并按以下方式组织：

COCODIR/
  ├── train2017/
  ├── val2017/
  └── annotations/
  	├── instances_train2017.json
  	└── instances_val2017.json

运行

我们以标准的DN-DETR-R50和DN-Deformable-DETR-R50为例进行训练和评估。

评估我们预训练的模型

从此链接下载我们的DN-DETR-R50模型检查点，并执行以下命令。 你可以预期最终AP约为44.4。

对于我们的DN-DAB-Deformable-DETR_Deformable_Encoder_Only（在此下载）。预期的最终AP为48.6。

对于我们的DN-DAB-Deformable-DETR（在此下载），预期的最终AP为49.5。

# 对于dn_detr：44.1 AP；优化结果为44.4AP
python main.py -m dn_dab_detr \
  --output_dir logs/dn_DABDETR/R50 \
  --batch_size 1 \
  --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径
  --resume /path/to/our/checkpoint \ # 替换为你的检查点路径
  --use_dn \
  --eval

# 对于dn_deformable_detr：49.5 AP
python main.py -m dn_deformable_detr \
  --output_dir logs/dab_deformable_detr/R50 \
  --batch_size 1 \
  --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径
  --resume /path/to/our/checkpoint \ # 替换为你的检查点路径
  --transformer_activation relu \
  --use_dn \
  --eval
  
# 对于dn_deformable_detr_deformable_encoder_only：48.6 AP
python main.py -m dn_dab_deformable_detr_deformable_encoder_only 
  --output_dir logs/dab_deformable_detr/R50 \
  --batch_size 1 \
  --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径
  --resume /path/to/our/checkpoint \ # 替换为你的检查点路径
  --transformer_activation relu \
  --num_patterns 3 \  # 使用3个模式嵌入
  --use_dn  \
  --eval

训练你自己的模型

同样，你也可以在单个进程上训练我们的模型：

# 对于dn_detr
python main.py -m dn_dab_detr \
  --output_dir logs/dn_DABDETR/R50 \
  --batch_size 1 \
  --epochs 50 \
  --lr_drop 40 \
  --coco_path /path/to/your/COCODIR  # 替换为你的COCO路径
  --use_dn

分布式运行

然而，由于训练耗时较长，我们建议在多设备上训练模型。

如果你计划在使用Slurm的集群上训练模型，这里是一个训练命令示例：

# 对于dn_detr：44.4 AP
python run_with_submitit.py \
  --timeout 3000 \
  --job_name DNDETR \
  --coco_path /path/to/your/COCODIR \
  -m dn_dab_detr \
  --job_dir logs/dn_DABDETR/R50_%j \
  --batch_size 2 \
  --ngpus 8 \
  --nodes 1 \
  --epochs 50 \
  --lr_drop 40 \
  --use_dn

# 对于dn_dab_deformable_detr：49.5 AP
python run_with_submitit.py \
  --timeout 3000 \
  --job_name dn_dab_deformable_detr \
  --coco_path /path/to/your/COCODIR \
  -m dab_deformable_detr \
  --transformer_activation relu \
  --job_dir logs/dn_dab_deformable_detr/R50_%j \
  --batch_size 2 \
  --ngpus 8 \
  --nodes 1 \
  --epochs 50 \
  --lr_drop 40 \
  --use_dn

# 对于dn_dab_deformable_detr_deformable_encoder_only：48.6 AP
python run_with_submitit.py \
  --timeout 3000 \
  --job_name dn_dab_deformable_detr_deformable_encoder_only \
  --coco_path /path/to/your/COCODIR \
  -m dn_dab_deformable_detr_deformable_encoder_only \
  --transformer_activation relu \
  --job_dir logs/dn_dab_deformable_detr/R50_%j \
  --num_patterns 3 \ 
  --batch_size 1 \
  --ngpus 8 \
  --nodes 2 \
  --epochs 50 \
  --lr_drop 40 \
  --use_dn

如果你想训练我们的DC版本或多模式版本，添加

--dilation  # 对于DC版本

--num_patterns 3  # 对于3个模式

但是，这需要额外的训练资源和内存，即使用16个GPU。

最终的AP应该与我们的相似或更好，因为我们优化后的结果比论文中报告的性能更好（例如，我们报告DN-DETR为44.1，但我们的新结果可以达到44.4。 如果你得到更好的结果，不要感到惊讶！）。

我们的训练设置与DAB-DETR相同，但添加了一个参数--use_dn，你也可以参考DAB-DETR。

注意：

• 结果对批量大小敏感。我们默认使用16（每个GPU 2张图像 x 8个GPU）。

或者在单个节点上使用多进程运行：

# 对于dn_dab_detr：44.4 AP
python -m torch.distributed.launch --nproc_per_node=8 \
  main.py -m dn_dab_detr \
  --output_dir logs/dn_DABDETR/R50 \
  --batch_size 2 \
  --epochs 50 \
  --lr_drop 40 \
  --coco_path /path/to/your/COCODIR \
  --use_dn
# 对于dn_deformable_detr: 49.5 AP
python -m torch.distributed.launch --nproc_per_node=8 \
  main.py -m dn_dab_deformable_detr \
  --output_dir logs/dn_dab_deformable_detr/R50 \
  --batch_size 2 \
  --epochs 50 \
  --lr_drop 40 \
  --transformer_activation relu \
  --coco_path /path/to/your/COCODIR \
  --use_dn

相关链接

我们的工作基于DAB-DETR。我们还发布了另一个基于DN-DETR和DAB-DETR的SOAT检测模型DINO。

• DINO: 使用改进的去噪锚框的端到端目标检测DETR。 Hao Zhang*, Feng Li*, Shilong Liu*, Lei Zhang, Hang Su, Jun Zhu, Lionel M. Ni, Heung-Yeung Shum。 arxiv 2022。 [论文] [代码]。

• DAB-DETR: 动态锚框是DETR更好的查询。 Shilong Liu, Feng Li, Hao Zhang, Xiao Yang, Xianbiao Qi, Hang Su, Jun Zhu, Lei Zhang。 国际学习表示会议（ICLR）2022。 [论文] [代码]。

许可证

DN-DETR在Apache 2.0许可下发布。更多信息请参见LICENSE文件。

版权所有 (c) IDEA。保留所有权利。

根据Apache许可证2.0版（"许可证"）获得许可；除非符合许可证，否则您不得使用这些文件。您可以在http://www.apache.org/licenses/LICENSE-2.0 获取许可证副本。

除非适用法律要求或书面同意，根据许可证分发的软件是基于"按原样"分发的，不附带任何明示或暗示的担保或条件。请参阅许可证以了解许可证下的特定语言和限制。

引用

如果您发现我们的工作对您的研究有帮助，请考虑引用以下BibTeX条目。

@inproceedings{li2022dn,
  title={Dn-detr: 通过引入查询去噪加速detr训练},
  author={Li, Feng and Zhang, Hao and Liu, Shilong and Guo, Jian and Ni, Lionel M and Zhang, Lei},
  booktitle={计算机视觉与模式识别IEEE/CVF会议论文集},
  pages={13619--13627},
  year={2022}
}