Attention

Updating, Not The Final Version

Pavement disease detection method with adaptive perception of high-resolution image content

1. 训练代码说明

文件名称	说明
apm_run.py	执行apm的训练与测试
apm_conv_run.py	消融实验: apm_conv
apm_res_run.py	消融实验: apm_res
apm_cbam_run.py	消融实验: apm_cbam
upsample_run.py	对比实验代码, 传统的Upsample方法对比
resizer_run.py	对比实验代码, Resizer

2. 模型定义代码

模型定义与训练工具类代码均在src路径下

3. 单个方法的代码文件说明

以apm为例，首先在src目录中定义了apm.py文件(模型定义及实现文件)，对于模型的训练测试文件apm_train.py, 其中定义了优化器、学习率调整策略等训练参数，最终执行训练和测试时，直接运行根目录下的apm_run.py。

ps:

1. apm_run.py中定义学习率、权重衰减、训练epoch、数据集所在路径、结果和log保存路径等。每次运行需要指定使用的GPU序号
2. str/utils.py中定义了一些基本的工具，比如自定义数据集，自定义的data_loader、torch和numpy随机种子固定方法等等自定义的方法
3. src/train_utils.py中定义了train_one_epoch和test_model,用于模型训练的基本function
4. 确保实验结果可复现，应在apm_run.py中指定torch和numpy的随机数种子
5. bpdd_src文件夹定义的是针对CQU-BPDD数据集的模型定义文件和训练文件-作为方法鲁棒性的证明补充实验代码

4. How to use NNI

1. 配置文件, 在yml文件夹配置NNI的配置文件, 主要涉及到执行的命令、使用GPU、GPU编号、以及搜索空间json文件的路径
2. 配置搜索空间，在json文件夹下面，配置搜索空间, 具体配置可以参考Search Space
3. 终端执行超惨搜索nnictl create --config ./yml/apm_config.yml --port 8022, 可以在Web端查看搜索过程和中间结果

5. Best Result Records

{
    // Best Acc: 0.8462
    "backbone": "tf_efficientnetv2_b3",
    "pool": 1,
    "pool_size": 320,
    "pool_type": "max",
    "lr": 0.01,
    "drop_rate": 0.6,
    "loss": "cross"
}
{
    // 0.8259
    "backbone": "tf_efficientnetv2_b1",
    "pool": 1,
    "pool_size": 300,
    "pool_type": "max",
    "lr": 0.001,
    "drop_rate": 0.5,
    "loss": "cross"
}