init
This commit is contained in:
esenke
297
finetune/configs/sos.py
Normal file
297
finetune/configs/sos.py
Normal file
@@ -0,0 +1,297 @@
|
||||
crop_size = (
|
||||
256,
|
||||
256,
|
||||
)
|
||||
data_preprocessor = dict(
|
||||
bgr_to_rgb=True,
|
||||
mean=[
|
||||
83.37,
|
||||
83.37,
|
||||
83.37,
|
||||
],
|
||||
pad_val=0,
|
||||
seg_pad_val=255,
|
||||
size=(
|
||||
256,
|
||||
256,
|
||||
),
|
||||
std=[
|
||||
40.45,
|
||||
40.45,
|
||||
40.45,
|
||||
],
|
||||
type='SegDataPreProcessor')
|
||||
data_root = 'rs_datasets/'
|
||||
dataset_type = 'SOSDataset'
|
||||
default_hooks = dict(
|
||||
checkpoint=dict(
|
||||
by_epoch=False,
|
||||
interval=1000,
|
||||
max_keep_ckpts=2,
|
||||
save_best='mIoU',
|
||||
type='CheckpointHook'),
|
||||
logger=dict(interval=50, log_metric_by_epoch=False, type='LoggerHook'),
|
||||
param_scheduler=dict(type='ParamSchedulerHook'),
|
||||
sampler_seed=dict(type='DistSamplerSeedHook'),
|
||||
timer=dict(type='IterTimerHook'),
|
||||
visualization=dict(type='SegVisualizationHook'))
|
||||
default_scope = 'mmseg'
|
||||
env_cfg = dict(
|
||||
cudnn_benchmark=True,
|
||||
dist_cfg=dict(backend='nccl'),
|
||||
mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0))
|
||||
img_ratios = [
|
||||
0.5,
|
||||
0.75,
|
||||
1.0,
|
||||
1.25,
|
||||
1.5,
|
||||
1.75,
|
||||
]
|
||||
launcher = 'pytorch'
|
||||
load_from = None
|
||||
log_level = 'INFO'
|
||||
log_processor = dict(by_epoch=False)
|
||||
mean = [
|
||||
83.37,
|
||||
83.37,
|
||||
83.37,
|
||||
]
|
||||
model = dict(
|
||||
backbone=dict(
|
||||
act_cfg=dict(type='GELU'),
|
||||
attn_drop_rate=0.0,
|
||||
downscale_indices=[
|
||||
-1,
|
||||
],
|
||||
drop_path_rate=0.0,
|
||||
drop_rate=0.1,
|
||||
embed_dims=1024,
|
||||
img_size=(
|
||||
256,
|
||||
256,
|
||||
),
|
||||
in_channels=2,
|
||||
interpolate_mode='bilinear',
|
||||
mlp_ratio=4,
|
||||
norm_cfg=dict(eps=1e-06, requires_grad=True, type='LN'),
|
||||
norm_eval=False,
|
||||
num_heads=16,
|
||||
num_layers=24,
|
||||
out_indices=(
|
||||
5,
|
||||
11,
|
||||
17,
|
||||
23,
|
||||
),
|
||||
patch_size=4,
|
||||
qkv_bias=True,
|
||||
type='VisionTransformer',
|
||||
with_cls_token=False),
|
||||
data_preprocessor=dict(
|
||||
bgr_to_rgb=True,
|
||||
mean=[
|
||||
83.37,
|
||||
83.37,
|
||||
83.37,
|
||||
],
|
||||
pad_val=0,
|
||||
seg_pad_val=255,
|
||||
size=(
|
||||
256,
|
||||
256,
|
||||
),
|
||||
std=[
|
||||
40.45,
|
||||
40.45,
|
||||
40.45,
|
||||
],
|
||||
type='SegDataPreProcessor'),
|
||||
decode_head=dict(
|
||||
align_corners=False,
|
||||
channels=512,
|
||||
dropout_ratio=0.1,
|
||||
in_channels=[
|
||||
1024,
|
||||
1024,
|
||||
1024,
|
||||
1024,
|
||||
],
|
||||
in_index=[
|
||||
0,
|
||||
1,
|
||||
2,
|
||||
3,
|
||||
],
|
||||
loss_decode=dict(
|
||||
loss_weight=1.0, type='CrossEntropyLoss', use_sigmoid=True),
|
||||
norm_cfg=dict(requires_grad=True, type='SyncBN'),
|
||||
num_classes=2,
|
||||
pool_scales=(
|
||||
1,
|
||||
2,
|
||||
3,
|
||||
6,
|
||||
),
|
||||
type='UPerHead'),
|
||||
neck=dict(
|
||||
in_channels=[
|
||||
1024,
|
||||
1024,
|
||||
1024,
|
||||
1024,
|
||||
],
|
||||
out_channels=1024,
|
||||
scales=[
|
||||
4,
|
||||
2,
|
||||
1,
|
||||
0.5,
|
||||
],
|
||||
type='MultiLevelNeck'),
|
||||
pretrained=
|
||||
'pretrain/skysensepp_mmcvt_s1.pth',
|
||||
test_cfg=dict(mode='whole'),
|
||||
train_cfg=dict(),
|
||||
type='EncoderDecoder')
|
||||
norm_cfg = dict(requires_grad=True, type='SyncBN')
|
||||
optim_wrapper = dict(
|
||||
optimizer=dict(
|
||||
betas=(
|
||||
0.9,
|
||||
0.999,
|
||||
), lr=6e-05, type='AdamW', weight_decay=0.01),
|
||||
paramwise_cfg=dict(
|
||||
custom_keys=dict(
|
||||
cls_token=dict(decay_mult=0.0),
|
||||
norm=dict(decay_mult=0.0),
|
||||
pos_embed=dict(decay_mult=0.0))),
|
||||
type='OptimWrapper')
|
||||
param_scheduler = [
|
||||
dict(
|
||||
begin=0, by_epoch=False, end=1000, start_factor=1e-06,
|
||||
type='LinearLR'),
|
||||
dict(
|
||||
begin=1000,
|
||||
by_epoch=False,
|
||||
end=10000,
|
||||
eta_min=0.0,
|
||||
power=1.0,
|
||||
type='PolyLR'),
|
||||
]
|
||||
randomness = dict(seed=0)
|
||||
resume = False
|
||||
std = [
|
||||
40.45,
|
||||
40.45,
|
||||
40.45,
|
||||
]
|
||||
test_cfg = dict(type='TestLoop')
|
||||
test_dataloader = dict(
|
||||
batch_size=1,
|
||||
dataset=dict(
|
||||
ann_file=
|
||||
'rs_datasets/sos/sos_test_sentinel.json',
|
||||
data_prefix=dict(img_path='images', seg_map_path='idx_labels'),
|
||||
data_root='rs_datasets/',
|
||||
pipeline=[
|
||||
dict(type='LoadImageFromFile'),
|
||||
dict(reduce_zero_label=False, type='LoadAnnotations'),
|
||||
dict(type='PackSegInputs'),
|
||||
],
|
||||
type='SOSDataset'),
|
||||
num_workers=2,
|
||||
persistent_workers=True,
|
||||
sampler=dict(shuffle=False, type='DefaultSampler'))
|
||||
test_evaluator = dict(
|
||||
iou_metrics=[
|
||||
'mIoU',
|
||||
'mFscore',
|
||||
], type='IoUMetric')
|
||||
test_pipeline = [
|
||||
dict(type='LoadImageFromFile'),
|
||||
dict(reduce_zero_label=False, type='LoadAnnotations'),
|
||||
dict(type='PackSegInputs'),
|
||||
]
|
||||
train_cfg = dict(max_iters=0, type='IterBasedTrainLoop', val_interval=500)
|
||||
train_dataloader = dict(
|
||||
batch_size=1,
|
||||
dataset=dict(
|
||||
ann_file=
|
||||
'rs_datasets/sos/sos_train_sentinel.json',
|
||||
data_prefix=dict(img_path='images', seg_map_path='idx_labels'),
|
||||
data_root='rs_datasets/',
|
||||
pipeline=[
|
||||
dict(type='LoadImageFromFile'),
|
||||
dict(reduce_zero_label=False, type='LoadAnnotations'),
|
||||
dict(prob=0.5, type='RandomFlip'),
|
||||
dict(type='PackSegInputs'),
|
||||
],
|
||||
type='SOSDataset'),
|
||||
num_workers=2,
|
||||
persistent_workers=True,
|
||||
sampler=dict(shuffle=True, type='InfiniteSampler'))
|
||||
train_pipeline = [
|
||||
dict(type='LoadImageFromFile'),
|
||||
dict(reduce_zero_label=False, type='LoadAnnotations'),
|
||||
dict(prob=0.5, type='RandomFlip'),
|
||||
dict(type='PackSegInputs'),
|
||||
]
|
||||
tta_model = dict(type='SegTTAModel')
|
||||
tta_pipeline = [
|
||||
dict(backend_args=None, type='LoadImageFromFile'),
|
||||
dict(
|
||||
transforms=[
|
||||
[
|
||||
dict(keep_ratio=True, scale_factor=0.5, type='Resize'),
|
||||
dict(keep_ratio=True, scale_factor=0.75, type='Resize'),
|
||||
dict(keep_ratio=True, scale_factor=1.0, type='Resize'),
|
||||
dict(keep_ratio=True, scale_factor=1.25, type='Resize'),
|
||||
dict(keep_ratio=True, scale_factor=1.5, type='Resize'),
|
||||
dict(keep_ratio=True, scale_factor=1.75, type='Resize'),
|
||||
],
|
||||
[
|
||||
dict(direction='horizontal', prob=0.0, type='RandomFlip'),
|
||||
dict(direction='horizontal', prob=1.0, type='RandomFlip'),
|
||||
],
|
||||
[
|
||||
dict(type='LoadAnnotations'),
|
||||
],
|
||||
[
|
||||
dict(type='PackSegInputs'),
|
||||
],
|
||||
],
|
||||
type='TestTimeAug'),
|
||||
]
|
||||
val_cfg = dict(type='ValLoop')
|
||||
val_dataloader = dict(
|
||||
batch_size=1,
|
||||
dataset=dict(
|
||||
ann_file=
|
||||
'rs_datasets/sos/sos_test_sentinel.json',
|
||||
data_prefix=dict(img_path='images', seg_map_path='idx_labels'),
|
||||
data_root='rs_datasets/',
|
||||
pipeline=[
|
||||
dict(type='LoadImageFromFile'),
|
||||
dict(reduce_zero_label=False, type='LoadAnnotations'),
|
||||
dict(type='PackSegInputs'),
|
||||
],
|
||||
type='SOSDataset'),
|
||||
num_workers=2,
|
||||
persistent_workers=True,
|
||||
sampler=dict(shuffle=False, type='DefaultSampler'))
|
||||
val_evaluator = dict(
|
||||
iou_metrics=[
|
||||
'mIoU',
|
||||
'mFscore',
|
||||
], type='IoUMetric')
|
||||
vis_backends = [
|
||||
dict(type='LocalVisBackend'),
|
||||
]
|
||||
visualizer = dict(
|
||||
name='visualizer',
|
||||
type='SegLocalVisualizer',
|
||||
vis_backends=[
|
||||
dict(type='LocalVisBackend'),
|
||||
])
|
||||
work_dir = 'save_sos/'
|
||||
Reference in New Issue
Block a user