如何在Google Colab用MobileNetV3 Small训练自定义目标检测数据集？求配置文件

一、基于TensorFlow Object Detection API手动搭建配置 #

TensorFlow Object Detection API支持自定义骨干网络，你可以基于现有配置改出MobileNetV3 Small的检测配置，步骤如下：

1. 先在Colab搭好API环境
   直接运行这些命令完成克隆和安装：

   !git clone https://github.com/tensorflow/models.git
   !cd models/research && protoc object_detection/protos/*.proto --python_out=.
   !cd models/research && cp object_detection/packages/tf2/setup.py .
   !cd models/research && python -m pip install .
   

   跑下面的命令验证安装成功：

   !cd models/research && python object_detection/builders/model_builder_tf2_test.py
   

2. 修改现有配置生成MobileNetV3 Small专属配置
   找个类似的轻量模型配置（比如models/research/object_detection/configs/tf2/ssdlite_mobilenet_v2_coco.config）复制一份当基础，重点改这几个地方：

   • 把feature_extractor部分替换成MobileNetV3 Small的配置：

     feature_extractor {
       type: 'ssd_mobilenet_v3_small_feature_extractor'
       depth_multiplier: 1.0
       min_depth: 16
       conv_hyperparams {
         regularizer {
           l2_regularizer {
             weight: 3.9999998989515007e-05
           }
         }
         initializer {
           random_normal_initializer {
             mean: 0.0
             stddev: 0.009999999776482582
           }
         }
         activation: RELU_6
         batch_norm {
           decay: 0.996999979019165
           scale: true
           epsilon: 0.0010000000474974513
         }
       }
       override_base_feature_extractor_hyperparams: true
     }
     

   • 把num_classes改成你自定义数据集的类别数
   • 调整train_input_reader和eval_input_reader里的数据集路径，指向你传到Colab的TFRecord文件
   • 预训练权重可以直接用TensorFlow Hub的，配置里这么写：

     fine_tune_checkpoint: "https://tfhub.dev/google/imagenet/mobilenet_v3_small_100_224/classification/5"
     fine_tune_checkpoint_type: "classification"
     

二、用MMDetection框架快速实现 #

要是TensorFlow的配置太麻烦，试试MMDetection，它直接支持MobileNetV3 Small当骨干：

1. 在Colab安装MMDetection
   运行这两行就行：

   !pip install openmim
   !mim install mmdet
   

2. 写MobileNetV3 Small的检测配置
   基于现有配置改，比如SSD搭配MobileNetV3 Small的示例：

   model = dict(
       type='SSD',
       backbone=dict(
           type='MobileNetV3',
           arch='small',
           out_indices=(1, 3, 11),
           frozen_stages=1,
           norm_cfg=dict(type='BN', requires_grad=True),
           init_cfg=dict(type='Pretrained', checkpoint='open-mmlab://mmdet/mobilenet_v3_small')),
       neck=None,
       bbox_head=dict(
           type='SSDHead',
           in_channels=[16, 24, 1024],
           num_classes=YOUR_CLASS_NUM,  # 替换成你的类别数
           anchor_generator=dict(
               type='SSDAnchorGenerator',
               scale_major=False,
               input_size=300,
               basesize_ratio_range=(0.15, 0.9),
               strides=[16, 32, 256],
               ratios=[[2], [2, 3], [2, 3]]),
           bbox_coder=dict(
               type='DeltaXYWHBBoxCoder',
               target_means=[.0, .0, .0, .0],
               target_stds=[0.1, 0.1, 0.2, 0.2])),
       train_cfg=dict(
           assigner=dict(
               type='MaxIoUAssigner',
               pos_iou_thr=0.5,
               neg_iou_thr=0.5,
               min_pos_iou=0.,
               ignore_iof_thr=-1,
               gt_max_assign_all=False),
           smoothl1_beta=1.,
           allowed_border=-1,
           pos_weight=-1,
           neg_pos_ratio=3,
           debug=False),
       test_cfg=dict(
           nms_pre=1000,
           nms=dict(type='nms', iou_threshold=0.5),
           min_bbox_size=0,
           score_thr=0.02,
           max_per_img=200))
   

   再补好数据集路径、训练参数，就能直接启动训练了。

三、踩坑小提示 #

• 官方Colab链接跑不通：大概率是TensorFlow版本不兼容，指定用2.8或2.9版本试试，避开最新版本的API变动。
• 预训练权重加载失败：要么确认Colab能访问外部资源，要么手动下载权重到Colab本地，再改配置里的路径。

内容的提问来源于stack exchange，提问作者saeed adeeb