HRNet语义分割项目ADE20K数据集训练配置详解

配置概述

HRNet（High-Resolution Network）是一种用于语义分割任务的高性能网络架构，其核心思想是在整个网络中保持高分辨率表示，而不是像传统方法那样先降低分辨率再恢复。本文将对HRNet在ADE20K数据集上的训练配置文件进行详细解析，帮助读者理解各项参数的作用和配置原理。

硬件与基础配置

CUDNN:
  BENCHMARK: true
  DETERMINISTIC: false
  ENABLED: true
GPUS: (0,1,2,3)
OUTPUT_DIR: 'output'
LOG_DIR: 'log'
WORKERS: 4
PRINT_FREQ: 10

这部分配置定义了训练的基础环境：

• CUDNN：启用cuDNN加速库，并开启基准测试模式（BENCHMARK）以获得最佳性能
• GPUS：使用4块GPU进行并行训练（0-3号GPU）
• WORKERS：数据加载使用4个工作进程，提高数据加载效率
• PRINT_FREQ：每10个batch打印一次训练信息

数据集配置

DATASET:
  DATASET: ade20k
  ROOT: 'data/'
  TEST_SET: 'list/ade20k/val.lst'
  TRAIN_SET: 'list/ade20k/train.lst'
  NUM_CLASSES: 150

ADE20K是一个包含150个类别的场景解析数据集，常用于语义分割研究。配置中指定了：

• 数据集根目录
• 训练集和验证集的列表文件路径
• 类别数量为150

模型架构配置

MODEL:
  NAME: seg_hrnet
  NUM_OUTPUTS: 1
  PRETRAINED: 'pretrained_models/hrnetv2_w48_imagenet_pretrained.pth'
  EXTRA:
    FINAL_CONV_KERNEL: 1
    STAGE1-4: ...

HRNet模型配置要点：

• 使用在ImageNet上预训练的HRNet-W48作为基础模型
• 网络包含4个阶段（STAGE1-4），每个阶段的分支数量和通道数逐渐增加
• 最终使用1x1卷积（FINAL_CONV_KERNEL）生成分割结果

网络结构特点：

1. 多分支架构：从第二阶段开始引入多分辨率分支
2. 特征融合：各分支间通过SUM方法进行特征融合
3. 渐进式扩展：通道数从48逐渐增加到384，保持高分辨率表示

损失函数配置

LOSS:
  USE_OHEM: true
  OHEMTHRES: 0.9
  OHEMKEEP: 131072

采用在线难例挖掘（OHEM）策略：

• OHEMTHRES：0.9表示只保留损失值在前90%的样本
• OHEMKEEP：每批次保留131072个像素用于计算梯度

OHEM能有效解决类别不平衡问题，使模型更关注难以分类的样本。

训练策略配置

TRAIN:
  IMAGE_SIZE: [520, 520]
  BASE_SIZE: 520
  BATCH_SIZE_PER_GPU: 4
  SHUFFLE: true
  BEGIN_EPOCH: 0
  END_EPOCH: 120
  RESUME: true
  OPTIMIZER: sgd
  LR: 0.02
  WD: 0.0001
  MOMENTUM: 0.9
  NESTEROV: false
  FLIP: true
  MULTI_SCALE: true
  DOWNSAMPLERATE: 1
  IGNORE_LABEL: 255
  SCALE_FACTOR: 11

关键训练参数：

1. 优化器：使用SGD（随机梯度下降）
   • 学习率0.02
   • 权重衰减0.0001
   • 动量0.9
2. 数据增强：
   • 随机水平翻转（FLIP）
   • 多尺度训练（MULTI_SCALE）
3. 训练周期：共120个epoch
4. 输入尺寸：520x520像素
5. IGNORE_LABEL：255表示忽略这些标签的像素

多尺度训练能提高模型对不同尺寸目标的识别能力，是语义分割中常用的增强策略。

测试配置

TEST:
  IMAGE_SIZE: [520, 520]
  BASE_SIZE: 520
  BATCH_SIZE_PER_GPU: 1
  NUM_SAMPLES: 200
  FLIP_TEST: false
  MULTI_SCALE: false

测试时配置：

• 使用单GPU，batch size为1
• 不启用测试时数据增强（FLIP_TEST和MULTI_SCALE均为false）
• 评估200个样本

总结

这份配置文件展示了HRNet在ADE20K数据集上的完整训练方案，具有以下特点：

1. 使用多GPU并行训练加速
2. 采用预训练模型和渐进式学习策略
3. 结合OHEM解决类别不平衡
4. 通过多尺度训练增强模型鲁棒性
5. 保持高分辨率特征表示提升分割精度

理解这些配置参数对于调整和优化HRNet模型性能至关重要，读者可以根据自身硬件条件和任务需求适当调整这些参数。