CenterNet实战指南：如何高效训练自定义数据集并优化检测性能

1次阅读

共计 2085 个字符，预计需要花费 6 分钟才能阅读完成。

CenterNet 作为 anchor-free 目标检测的代表模型，在实际应用中常遇到这些问题：

小目标漏检：默认的 heatmap 下采样率（通常为 4x）导致小目标在特征图上消失
形变敏感：中心点预测对物体非刚性形变（如人体姿势变化）适应性差
冷启动问题：从零训练时 heatmap 难以快速收敛

以 COCO 预训练模型为例，关键参数差异体现在：

输入分辨率：COCO 默认 512×512，而工业场景可能需要 1024×1024 检测小目标
热图半径：公式 $r=\frac{σ}{s}$ 中 σ 值（COCO 用 2.5）需根据目标密度调整
骨干网络 ：DLA-34 的通道数[16,32,64,128,256] 可能不匹配医疗影像等专业场景

import json
from PIL import Image
import os

def voc_to_coco(voc_dir, output_path):
    categories = [{'id':1, 'name':'your_class'}]
    images, annotations = [], []

    for img_id, img_file in enumerate(os.listdir(os.path.join(voc_dir,'JPEGImages'))):
        img_path = os.path.join(voc_dir,'JPEGImages',img_file)
        w, h = Image.open(img_path).size

        images.append({
            'id': img_id,
            'file_name': img_file,
            'width': w,
            'height': h
        })

        # 解析对应 XML 标注（此处省略具体实现）bboxes = parse_voc_xml(...)

        for box in bboxes:
            x,y,w,h = box
            annotations.append({'id': len(annotations),
                'image_id': img_id,
                'category_id': 1,
                'bbox': [x,y,w,h],
                'area': w*h,
                'iscrowd': 0
            })

    with open(output_path,'w') as f:
        json.dump({'images':images, 'annotations':annotations, 'categories':categories}, f)

高斯核生成：对于每个标注框中心点 $(c_x,c_y)$，按以下公式生成热图：
$$
H_{xy} = \exp\left(-\frac{(x-c_x)^2+(y-c_y)^2}{2σ^2}\right)
$$
其中 σ 根据目标大小自适应调整
Offset 预测：补偿下采样带来的量化误差，计算公式：
$$
\delta_x = \frac{c_x}{s} – \left\lfloor\frac{c_x}{s}\right\rfloor,\quad \delta_y = \frac{c_y}{s} – \left\lfloor\frac{c_y}{s}\right\rfloor
$$

from torch.cuda.amp import autocast, GradScaler

scaler = GradScaler()

for inputs, targets in dataloader:
    optimizer.zero_grad()

    with autocast():
        outputs = model(inputs)
        loss = criterion(outputs, targets)

    scaler.scale(loss).backward()
    scaler.step(optimizer)
    scaler.update()