企业官网建设流程全解析

• 人工智能
• 计算机视觉
• 深度学习
• 模型评测

MMDetection 在 COCO 等大规模数据集上预训练的检测器，可以作为 Cityscapes、KITTI 等数据集的优质预训练模型，大幅提升目标域上的收敛速度与最终精度。本文以 Cityscapes 数据集微调 Mask R-CNN 为例，完整讲解 MMDetection 中基于配置继承（_base_）实现模型微调的五个核心步骤——继承基础配置、修改 Head 类别数、替换数据集、调整训练策略、加载预训练权重，并结合作者仓库（gh_mirrors/mm/mmdetection）中的真实配置文件与源码实现进行深度佐证。读完本文，你将掌握一套可复制的微调流程，能够把官方 ModelZoo 中的任何预训练模型迁移到自己的数据集上。

一、微调的整体思路：两个必要步骤

把预训练模型迁移到新数据集，本质上需要做两件事：

1. 按 教程2：自定义数据集 中的方法对新数据集添加支持，即准备数据集并编写对应的数据集配置文件（_base_/datasets/下的数据集定义）；
2. 按照本教程讨论的方法修改模型配置，即通过继承与覆盖的方式，让模型结构、训练策略与预训练权重适配新数据集。

下文以Cityscapes Dataset 上的微调为具体例子，详细讲述用户需要在配置中修改的五个部分。Cityscapes 是面向城市街景语义理解的公开数据集，实例分割任务包含 8 个类别（person、rider、car、truck、bus、train、motorcycle、bicycle），远少于 COCO 的 80 类，因此是验证微调流程的理想示例。

二、第一步：继承基础配置（_base_机制）

为了减轻编写整个配置的负担并减少出错的可能性，MMDetection 支持从多个现有配置中继承配置信息。微调 Mask R-CNN 模型时，新的配置信息需要使用从_base_/models/中继承的配置来构建模型的基本结构；使用 Cityscapes 数据集时，可以简便地从_base_/datasets/cityscapes_instance.py继承；训练过程的运行设置（如日志 logger 设置）可以从_base_/default_runtime.py继承；训练计划配置则从_base_/schedules/schedule_1x.py继承。这些基础配置文件存放于configs/_base_/目录下，用户既可以选择继承，也可以全部重新编写。

典型的继承写法如下：

_base_ = [ '../_base_/models/mask_rcnn_r50_fpn.py', '../_base_/datasets/cityscapes_instance.py', '../_base_/default_runtime.py', '../_base_/schedules/schedule_1x.py' ]

配置继承的覆盖规则：_base_中列出的配置会被逐字段解析并合并，新配置文件中定义的字段会覆盖被继承配置中的同名字段；字典按 key 深度合并，列表整体替换。因此我们只需要在子配置中"增量修改"少量字段，就能在完整基础配置之上定制微调方案。

需要说明的是，从当前仓库源码结构看，实际的基础模型文件名为 configs/base/models/mask-rcnn_r50_fpn.py（文件名中带连字符），文档中的mask_rcnn_r50_fpn.py写法在较新版本中已统一为mask-rcnn_r50_fpn.py，真实微调配置 configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py 中引用的即是后者。该基础配置定义了完整的 Mask R-CNN 模型：ResNet骨干（depth=50、frozen_stages=1、init_cfg使用 torchvision 预训练权重）、FPN颈部（in_channels=[256, 512, 1024, 2048]、out_channels=256、num_outs=5）、RPNHead与StandardRoIHead（bbox_head 为Shared2FCBBoxHead，in_channels=256、fc_out_channels=1024、roi_feat_size=7、num_classes=80）。

其余被继承的基础配置要点：

• configs/base/datasets/cityscapes_instance.py：定义dataset_type = 'CityscapesDataset'、data_root = 'data/cityscapes/'，训练/测试 pipeline（训练采用RandomResize尺度[(2048, 800), (2048, 1024)]，测试Resize到(2048, 1024)）、train_dataloader（batch_size=1、RepeatDatasettimes=8）以及val_evaluator（CocoMetric+CityScapesMetric双指标评估）；
• configs/base/default_runtime.py：default_scope = 'mmdet'、各类 hooks（CheckpointHookinterval=1、LoggerHookinterval=50）、env_cfg、vis_backends/visualizer、log_level = 'INFO'、load_from = None、resume = False；
• configs/base/schedules/schedule_1x.py：EpochBasedTrainLoop（max_epochs=12、val_interval=1）、LinearLR+MultiStepLR（milestones=[8, 11]）、SGD 优化器（lr=0.02、momentum=0.9、weight_decay=0.0001），并带有auto_scale_lr（base_batch_size=16）自动学习率缩放声明。

三、第二步：Head 的修改（num_classes）

新的配置还需要根据新数据集的类别数量修改 Head。只需要修改roi_head中 bbox_head 和 mask_head 的num_classes。修改后，除了最后的预测 Head 之外，预训练模型权重的大部分都会被重新使用（即除分类/回归输出层之外的骨干、颈部、RPN 等权重均可完整迁移复用）。

model = dict( roi_head=dict( bbox_head=dict( type='Shared2FCBBoxHead', in_channels=256, fc_out_channels=1024, roi_feat_size=7, num_classes=8, bbox_coder=dict( type='DeltaXYWHBBoxCoder', target_means=[0., 0., 0., 0.], target_stds=[0.1, 0.1, 0.2, 0.2]), reg_class_agnostic=False, loss_cls=dict( type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0), loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)), mask_head=dict( type='FCNMaskHead', num_convs=4, in_channels=256, conv_out_channels=256, num_classes=8, loss_mask=dict( type='CrossEntropyLoss', use_mask=True, loss_weight=1.0))))

由于_base_采用字段级合并，真实微调配置 configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py 中只写了差异部分，语义与本例等价：

model = dict( backbone=dict(init_cfg=None), # 避免覆盖 load_from 的预训练权重初始化 roi_head=dict( bbox_head=dict( type='Shared2FCBBoxHead', num_classes=8, loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)), mask_head=dict(num_classes=8)))

这里backbone=dict(init_cfg=None)是一个关键细节：它显式关闭骨干网络的Pretrained初始化（基础配置中为init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')），避免其与下文load_from加载的 COCO 预训练权重发生冲突，从而保证以 COCO 预训练检测器权重（而非仅 torchvision 骨干权重）作为整体初始化。从源码结构看，这一约定在 MMDetection 各微调配置中普遍使用。

四、第三步：数据集的修改

用户可能还需要准备数据集并编写数据集配置，详细信息可参考 Customize Datasets。目前 MMDetection 的配置文件已经支持 VOC、WIDERFACE、COCO、LVIS、OpenImages、DeepFashion、Objects365 和 Cityscapes 等数据集，基础数据集定义均位于 configs/base/datasets 目录，例如voc0712.py、wider_face.py、coco_instance.py、lvis_v1_instance.py、openimages_detection.py、deepfashion.py、objects365v2_detection.py、cityscapes_instance.py。

以 Cityscapes 为例，需要先准备数据：将数据集按照 数据集准备指南 放入data/cityscapes/，并利用仓库提供的转换脚本 tools/dataset_converters/cityscapes.py 将原始 Cityscapes 标注转换为 COCO 格式的 JSON 标注文件（如instancesonly_filtered_gtFine_train.json、instancesonly_filtered_gtFine_val.json）。

configs/base/datasets/cityscapes_instance.py 中的数据集配置包含以下关键元素：

• 数据源：ann_file指向转换后的标注文件，data_prefix=dict(img='leftImg8bit/train/')指定图像前缀；
• pipeline：LoadImageFromFile→LoadAnnotations(with_bbox=True, with_mask=True)→RandomResize→RandomFlip(prob=0.5)→PackDetInputs（训练）；测试管线为Resize(scale=(2048, 1024), keep_ratio=True)等；
• 过滤：filter_cfg=dict(filter_empty_gt=True, min_size=32)丢弃无标注或尺寸过小的样本；
• repeat：RepeatDataset将训练集重复 8 次（Cityscapes 训练集较小，重复以平衡迭代步数）；
• 评估器：val_evaluator同时使用CocoMetric（metric=['bbox', 'segm']，输出 COCO 风格 AP）和CityScapesMetric（官方 Cityscapes 评估，带seg_prefix与outfile_prefix）。

若使用自定义数据集且尚未提供现成的_base_数据集配置，则需要按照 Customize Datasets 自行编写dataset_type、data_root、train_pipeline/test_pipeline、三个 dataloader 与 evaluator 配置块。

五、第四步：训练策略的修改

微调的超参数与默认训练策略不同，通常需要更小的学习率和更少的训练回合。因为预训练模型已经具备了良好的特征表达能力，过大学习率容易破坏已有权重，过多训练回合则易过拟合小规模数据集。

# 优化器 # batch size 为 8 时的 lr 配置 optim_wrapper = dict(optimizer=dict(lr=0.01)) # 学习率 param_scheduler = [ dict( type='LinearLR', start_factor=0.001, by_epoch=False, begin=0, end=500), dict( type='MultiStepLR', begin=0, end=8, by_epoch=True, milestones=[7], gamma=0.1) ] # 设置 max epoch train_cfg = dict(max_epochs=8) # 设置 log config default_hooks = dict(logger=dict(interval=100))

逐项解读这些微调策略参数：

• 学习率：基础配置schedule_1x.py中 SGD 的 lr 为 0.02（batch size 16 基准），微调时改为0.01（batch size 8 基准），符合线性缩放规则（learning rate scaling rule），即学习率与总 batch size 近似成正比；
• LinearLR 预热：LinearLR在训练的前 500 次迭代（by_epoch=False，按 iter 计）从start_factor=0.001线性升至 1.0，起到 warmup 作用，避免训练初期大学习率冲击预训练权重；
• MultiStepLR 衰减：训练共 8 个 epoch，在milestones=[7]处以gamma=0.1将学习率衰减为原来的 1/10（真实 Cityscapes 配置注释说明[7]比[6]性能更高）；
• max_epochs=8：配合cityscapes_instance.py中的RepeatDataset(times=8)，实际迭代量相当于 8×8=64 个原始 epoch（与 Mask R-CNN 论文中约 24k 迭代的原始 schedule 相当）；
• 日志间隔：default_hooks = dict(logger=dict(interval=100))覆盖基础运行时中的 interval=50，每 100 次迭代输出一次日志。

注意：与optim_wrapper、param_scheduler、train_cfg直接覆盖不同，default_hooks与_base_/default_runtime.py中的同名字段是字段级合并，此处只覆盖logger子字段，其余 hooks 保持基础配置不变。

六、第五步：使用预训练模型（load_from）

如果要使用预训练模型，可以在配置中通过load_from指定权重文件。建议在训练开始之前预先下载好模型权重，避免训练过程中因下载而浪费时间。

load_from = 'https://download.openmmlab.com/mmdetection/v2.0/mask_rcnn/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco_bbox_mAP-0.408__segm_mAP-0.37_20200504_163245-42aa3d00.pth' # noqa

在模型微调中，选择预训练权重的基本原则：权重对应的模型结构要与当前配置结构一致（或高度兼容），类别数不一致没有关系（分类层会按新 num_classes 重建并被随机初始化），但骨干、颈部、RPN 等结构的通道数必须匹配。当前仓库中的真实 Cityscapes 配置 configs/cityscapes/mask-rcnn_r50_fpn_1x_coco.py 使用的是 COCO 1x 的mask_rcnn_r50_fpn_1x_coco权重：

load_from = 'https://download.openmmlab.com/mmdetection/v2.0/mask_rcnn/mask_rcnn_r50_fpn_1x_coco/mask_rcnn_r50_fpn_1x_coco_20200205-d4b0c5d6.pth' # noqa

关于权重加载的补充说明：

• load_from在 configs/base/default_runtime.py 中默认值为None，微调配置中重新赋值即可生效；
• 权重加载时，形状不匹配的参数（如因 num_classes 改变而尺寸变化的分类/回归层）会被自动跳过，这正是只需修改 num_classes 即可复用预训练权重的原因；
• 若将load_from指向本地文件路径（如'./checkpoints/mask_rcnn_r50_fpn_1x_coco.pth'），可避免在线下载；
• 类别数差异导致的 Head 随机初始化是正常的，微调的前几个 epoch 这部分参数会快速收敛。

七、完整的微调配置文件参考

将上述五个部分的修改汇总，即可得到一份完整的微调配置。仓库中现成的 Cityscapes 微调配置 configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py 全文如下（与实际文档示例相比，它是字段级合并的"最小差异"写法，同样覆盖了五个要点）：

_base_ = [ '../_base_/models/mask-rcnn_r50_fpn.py', '../_base_/datasets/cityscapes_instance.py', '../_base_/default_runtime.py', '../_base_/schedules/schedule_1x.py' ] model = dict( backbone=dict(init_cfg=None), roi_head=dict( bbox_head=dict( type='Shared2FCBBoxHead', num_classes=8, loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)), mask_head=dict(num_classes=8))) # optimizer # lr is set for a batch size of 8 optim_wrapper = dict(optimizer=dict(lr=0.01)) # learning rate param_scheduler = [ dict( type='LinearLR', start_factor=0.001, by_epoch=False, begin=0, end=500), dict( type='MultiStepLR', begin=0, end=8, by_epoch=True, # [7] yields higher performance than [6] milestones=[7], gamma=0.1) ] # actual epoch = 8 * 8 = 64 train_cfg = dict(max_epochs=8) # For better, more stable performance initialize from COCO load_from = 'https://download.openmmlab.com/mmdetection/v2.0/mask_rcnn/mask_rcnn_r50_fpn_1x_coco/mask_rcnn_r50_fpn_1x_coco_20200205-d4b0c5d6.pth' # noqa # NOTE: `auto_scale_lr` is for automatically scaling LR, # USER SHOULD NOT CHANGE ITS VALUES. # base_batch_size = (8 GPUs) x (1 samples per GPU) # TODO: support auto scaling lr # auto_scale_lr = dict(base_batch_size=8)

按照 configs/cityscapes/README.md 的说明，Cityscapes 上的基线模型均使用 8 张 GPU、batch size 8（每卡 1 张图）训练，学习率遵循线性缩放规则，统一在cityscapes_train上训练、在cityscapes_val上测试；所谓 "1x training schedule" 即 64 个 epoch，与 Mask R-CNN 论文中原始约 24k 迭代的 schedule 对应；COCO 预训练权重用于初始化。在双评估器下，bbox与segm是标准 COCO 风格的 AP，cityscapes为官方评估结果（通常略高于 COCO 指标）。

八、启动微调训练与测试

配置就绪后，即可通过仓库提供的 tools/train.py 启动微调训练：

# 单卡训练 python tools/train.py configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py # 多卡训练（8 卡） bash tools/dist_train.sh configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py 8 # Slurm 集群训练 bash tools/slurm_train.sh <partition> <job_name> configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py 8

训练完成后，使用 tools/test.py 在验证集上评估微调效果：

python tools/test.py configs/cityscapes/mask-rcnn_r50_fpn_1x_cityscapes.py work_dirs/mask-rcnn_r50_fpn_1x_cityscapes/epoch_8.pth

更多训练参数（如--amp混合精度、--resume断点续训、--work-dir输出目录等）可参考 训练与测试指南。Cityscapes 微调配置的评估会同时输出 COCO 风格的 box/mask AP 与官方 Cityscapes 指标，便于从多个角度对比微调前后的性能提升。

九、微调实践要点与常见问题

• 类别数修改不遗漏：实例分割模型（如 Mask R-CNN）需要同时修改bbox_head.num_classes与mask_head.num_classes；仅做检测（如 Faster R-CNN）则只需修改bbox_head.num_classes。可将 configs/base/models/faster-rcnn_r50_fpn.py 与对应检测数据集配置组合，参照同样流程微调检测器。
• init_cfg=None的意图：微调时在子配置中为backbone设置init_cfg=None，避免与load_from的 COCO 预训练权重双重初始化相互干扰，这是 MMDetection 微调配置的标准约定。
• 学习率与 epoch 的取舍：新数据集与 COCO 分布差异越大、数据量越少，学习率应越小（可尝试 0.005～0.01）、训练回合越短（如 8～24 epoch）；若新数据集很大且与 COCO 分布接近，也可适当放宽。
• 重复数据集与 epoch 的关系：Cityscapes 训练集通过RepeatDataset(times=8)扩充，配置中max_epochs=8指的是"重复后"的训练循环 epoch，因此实际遍历原始数据 8×8=64 遍。调整 repeat 次数时，应同步核算实际迭代量。
• 权重不匹配的告警：加载预训练权重时，日志中的 size mismatch 告警主要来自 num_classes 变化的 Head 层，属预期现象，无需处理。
• backbone 冻结策略：基础配置中frozen_stages=1（冻结 stem 与 stage1）、norm_eval=True，微调时一般保持默认即可；若新数据集与 COCO 差异极大，可考虑减少frozen_stages以允许更多底层特征更新。

综上，MMDetection 的微调流程高度依赖其配置继承体系：以_base_组装模型、数据集、运行时与训练计划四类基础配置，再以字段级覆盖实现"五步定制"——改 Head、换数据、调策略、挂权重。本文以 Cityscapes 为例的完整流程可直接推广到 VOC、KITTI、自定义数据集等任意场景，只需替换_base_中的数据集定义与对应的num_classes即可快速完成预训练模型的迁移与二次开发。

• 人工智能
• 计算机视觉
• 深度学习
• 模型评测