Jiao77/RoRD-Layout-Recognation

Fork 0

Files

Jiao77 419a7db543 finish Inference and Matching Part.

2025-09-25 22:05:39 +08:00

12 KiB

Raw Blame History

本地 TensorBoard 实验追踪方案

日期：2025-09-25

目标

在本地工作站搭建一套轻量、低成本的实验追踪与可视化管道，覆盖训练、评估和模板匹配流程。
结合现有 YAML 配置体系，为后续扩展（自动化调参、远程同步）保留接口。

环境与前置准备

系统与软件
- 操作系统：Ubuntu 22.04 / Windows 11 / macOS 14（任选其一）。
- Python 环境：使用项目默认的 uv 虚拟环境（见 uv.lock / pyproject.toml）。
依赖安装
```
uv add tensorboard tensorboardX
```
目录规划
- 在项目根目录创建 runs/，建议按 runs/<experiment_name>/ 组织日志。
- 训练与评估可分别输出到 runs/train/、runs/eval/ 子目录。

集成步骤

1. 配置项扩展

在 configs/base_config.yaml 中添加：

logging:
  use_tensorboard: true
  log_dir: "runs"
  experiment_name: "baseline"

命令行新增 --log-dir、--experiment-name 参数，默认读取配置，可在执行时覆盖。

2. 训练脚本 `train.py`

初始化 SummaryWriter

from torch.utils.tensorboard import SummaryWriter

log_dir = Path(args.log_dir or cfg.logging.log_dir)
experiment = args.experiment_name or cfg.logging.experiment_name
writer = SummaryWriter(log_dir=log_dir / "train" / experiment)

记录训练指标（每个 iteration）

global_step = epoch * len(train_dataloader) + i
writer.add_scalar("loss/total", loss.item(), global_step)
writer.add_scalar("loss/det", det_loss.item(), global_step)
writer.add_scalar("loss/desc", desc_loss.item(), global_step)
writer.add_scalar("optimizer/lr", scheduler.optimizer.param_groups[0]['lr'], global_step)

验证阶段记录
- Epoch 结束后写入平均损失、F1 等指标。
- 可视化关键点热力图、匹配示意图：writer.add_image()。
资源清理
- 训练结束调用 writer.close()。

3. 评估脚本 `evaluate.py`

初始化 SummaryWriter(log_dir / "eval" / experiment)。
收集所有验证样本的预测框 (boxes)、置信度 (scores) 与真实标注 (ground truth boxes)。

使用 sklearn.metrics.average_precision_score 或 pycocotools 计算每个样本的 Average Precision，并汇总为 mAP：

from sklearn.metrics import average_precision_score
ap = average_precision_score(y_true, y_scores)
writer.add_scalar("eval/AP", ap, global_step)

在成功匹配（IoU ≥ 阈值）后，从 match_template_multiscale 返回值中获取单应矩阵 H。

使用 cv2.decomposeHomographyMat 或手动分解方法，将 H 提取为旋转角度、平移向量和缩放因子：

_, Rs, Ts, Ns = cv2.decomposeHomographyMat(H, np.eye(3))
rot_angle = compute_angle(Rs[0])
trans_vec = Ts[0]
scale = np.linalg.norm(Ns[0])

从标注文件中读取真实几何变换参数 (rotation_gt, trans_gt, scale_gt)，计算误差：

err_rot = abs(rot_angle - rotation_gt)
err_trans = np.linalg.norm(trans_vec - trans_gt)
err_scale = abs(scale - scale_gt)
writer.add_scalar("eval/err_rot", err_rot, img_id)
writer.add_scalar("eval/err_trans", err_trans, img_id)
writer.add_scalar("eval/err_scale", err_scale, img_id)

使用 writer.add_histogram 记录误差分布，并通过 writer.add_image 可选地上传误差直方图：
```
writer.add_histogram("eval/err_rot_hist", err_rot_list, epoch)
```
在 TensorBoard 的 Scalars、Histograms 和 Images 面板中分别查看指标曲线、误差分布及可视化结果。

4. 模板匹配调试 `match.py`

新增参数 --tb-log-matches（布尔值）。
启用后，将关键点分布、Homography 误差统计写入 runs/match/<experiment>/。

可视化与使用

启动 TensorBoard
```
tensorboard --logdir runs --port 6006
```
- 浏览器访问 http://localhost:6006。
- 若需局域网共享可加 --bind_all。
推荐面板布局
- Scalars：损失曲线、学习率、评估指标。
- Images：关键点热力图、模板匹配结果。
- Histograms：描述子分布、梯度范数（可选）。
- Text：记录配置摘要、Git 提交信息。

版本控制与组织

实验命名建议采用 YYYYMMDD_project_variant，方便检索。
使用 writer.add_text() 保存关键配置和 CLI 参数，形成自描述日志。
可开发 tools/export_tb_summary.py 导出曲线数据供文档或汇报使用。

进阶扩展

自动化脚本：在 Makefile / tasks.json 中增加命令，一键启动训练 + TensorBoard。
远程访问：通过 ssh -L 或 ngrok 转发端口，注意访问权限控制。
对比实验：利用 TensorBoard Compare Runs 功能或统一父目录对比多次实验。
CI 集成：在持续集成流程中生成日志，作为构建工件保存。

验证与维护

功能自测：运行 1–2 个 epoch，确认日志生成并正确展示。
存储监控：定期清理或压缩旧实验，避免磁盘占满。
备份策略：重要实验可打包日志或同步至远程仓库。
团队培训：在 README 中补充使用说明，组织示例演示。

下一步

修改配置和脚本，接入 SummaryWriter。
准备示例 Notebook/文档，展示 TensorBoard 面板截图。
后续评估是否需要接入 W&B、MLflow 等更高级平台。

推理与匹配改造计划（FPN + NMS）

日期：2025-09-25

目标

将当前的“图像金字塔 + 多次推理”的匹配流程，升级为“单次推理 + 特征金字塔 (FPN)”以显著提速。
在滑动窗口提取关键点后增加去重（NMS/半径抑制），降低冗余点与后续 RANSAC 的计算量。
保持与现有 YAML 配置、TensorBoard 记录和命令行接口的一致性；以 uv 为包管理器管理依赖和运行。

设计概览

FPN：在 models/rord.py 中，从骨干网络多层提取特征（例如 VGG 的 relu2_2/relu3_3/relu4_3），通过横向 1x1 卷积与自顶向下上采样构建 P2/P3/P4 金字塔特征；为每个尺度共享或独立地接上检测头与描述子头，导出同维度描述子。
匹配路径：match.py 新增 FPN 路径，单次前向获得多尺度特征，逐层与模板进行匹配与几何验证；保留旧路径（图像金字塔）作为回退，通过配置开关切换。
去重策略：在滑窗聚合关键点后，基于“分数优先 + 半径抑制 (radius NMS)”进行去重；半径和分数阈值配置化。

配置变更（YAML）

在 configs/base_config.yaml 中新增/扩展：

model:
   fpn:
      enabled: true            # 开启 FPN 推理
      out_channels: 256        # 金字塔特征通道数
      levels: [2, 3, 4]        # 输出层级，对应 P2/P3/P4
      norm: "bn"              # 归一化类型：bn/gn/none

matching:
   use_fpn: true              # 使用 FPN 路径；false 则沿用图像金字塔
   nms:
      enabled: true
      radius: 4                # 半径抑制像素半径
      score_threshold: 0.5     # 关键点保留的最低分数
   # 其余已有参数保留，如 ransac_reproj_threshold/min_inliers/inference_window_size...

注意：所有相对路径依旧使用 utils.config_loader.to_absolute_path 以配置文件所在目录为基准解析。

实施步骤

基线分支与依赖

新开分支保存改造：

git checkout -b feature/fpn-matching
uv sync

目前不引入新三方库，继续使用现有 torch/opencv/numpy。

模型侧改造（models/rord.py）

提取多层特征：在骨干网络中暴露中间层输出（如 C2/C3/C4）。
构建 FPN：
- 使用 1x1 conv 降维对齐通道；
- 自顶向下上采样并逐级相加；
- 3x3 conv 平滑，得到 P2/P3/P4；
- 可选归一化（BN/GN）。
头部适配：复用或复制现有检测头/描述子头到每个 P 层，输出：
- det_scores[L]：B×1×H_L×W_L
- descriptors[L]：B×D×H_L×W_L（D 与现有描述子维度一致）
前向接口：
- 训练模式：维持现有输出以兼容训练；
- 匹配/评估模式：支持 return_pyramid=True 返回 {P2,P3,P4} 的 det/desc。

匹配侧改造（match.py）

配置读取：根据 matching.use_fpn 决定走 FPN 或旧图像金字塔路径。
FPN 路径：
- 对 layout 与 template 各做一次前向，获得 {det, desc}×L；
- 对每个层级 L：
  - 从 det_scores[L] 以 score_threshold 抽取关键点坐标与分数；
  - 半径 NMS 去重（见步骤 4）；
  - 使用 desc[L] 在对应层做特征最近邻匹配（可选比值测试）并估计单应性 H_L（RANSAC）；
- 融合多个层级的候选：选取内点数最多或综合打分最佳的实例；
- 将层级坐标映射回原图坐标；输出 bbox 与 H。
旧路径保留：若 use_fpn=false，继续使用当前图像金字塔多次推理策略，便于回退与对照实验。

关键点去重（NMS/半径抑制）

输入：关键点集合 K = {(x, y, score)}。
算法：按 score 降序遍历，若与已保留点的欧氏距离 < radius 则丢弃，否则保留。
复杂度：O(N log N) 排序 + O(N·k) 检查（k 为邻域个数，可通过网格划分加速）。
参数：matching.nms.radius、matching.nms.score_threshold。

TensorBoard 记录（扩展）

Scalars：
- match_fpn/level_L/keypoints_before_nms、keypoints_after_nms
- match_fpn/level_L/inliers、best_instance_inliers
- match_fpn/instances_found、runtime_ms
Text/Image：
- 关键点可视化（可选），最佳实例覆盖图；
- 记录使用的层级与最终选中尺度信息。

兼容性与回退

通过 YAML matching.use_fpn 开关控制路径；
保持 CLI 不变，新增可选 --fpn-off（等同 use_fpn=false）仅作为临时调试；
若新路径异常可快速回退旧路径，保证生产可用性。

开发里程碑与工时预估

M1（0.5 天）：配置与分支、占位接口、日志钩子。
M2（1.5 天）：FPN 实现与前向接口；单图 smoke 测试。
M3（1 天）：match.py FPN 路径、尺度回映射与候选融合。
M4（0.5 天）：NMS 实现与参数打通；
M5（0.5 天）：TensorBoard 指标与可视化；
M6（0.5 天）：对照基线的性能与速度评估，整理报告。

质量门禁与验收标准

构建：uv sync 无错误；python -m compileall 通过；
功能：在 2–3 张样例上，FPN 路径输出的实例数量与旧路径相当或更优；
速度：相同输入，FPN 路径总耗时较旧路径下降 ≥ 30%；
稳定性：无异常崩溃；在找不到匹配时能优雅返回空结果；
指标：TensorBoard 中关键点数量、NMS 前后对比、内点数、总实例数与运行时均可见。

快速试用（命令）

# 同步环境
uv sync

# 基于 YAML 启用 FPN 匹配（推荐）
uv run python match.py \
   --config configs/base_config.yaml \
   --layout /path/to/layout.png \
   --template /path/to/template.png \
   --tb_log_matches

# 临时关闭 FPN（对照实验）
# 可通过把 configs 中 matching.use_fpn 设为 false，或后续提供 --fpn-off 开关

# 打开 TensorBoard 查看匹配指标
uv run tensorboard --logdir runs

风险与回滚

FPN 输出与原检测/描述子头的维度/分布不一致，需在实现时对齐通道与归一化；
多层融合策略（如何选取最佳实例）可能影响稳定性，可先以“内点数最大”作为启发式；
如出现精度下降或不稳定，立即回退 matching.use_fpn=false，保留旧流程并开启数据记录比对差异。

12 KiB Raw Blame History Unescape Escape