本教程给出了在训练过程中如何提升CenterPoint效果的相关指导意见和建议，开发者可以自行尝试并训练出更好的模型，方便快速地展开感知赛事活动。

网络训练指导

表1: 训练建议意见

建议	介绍	如何修改代码/配置configs/centerpoint/centerpoint_pillars_02voxel_apolloscape.yml
使用预训练模型	我们推荐两种训练的方式：从零训练，使用预训练模型训练。从零训练指的是网络参数随机初始化，训练初期损失较高，需要较长迭代次数损失才能降到较低的数值。预训练模型训练指的是首先在一个大数据集上对模型进行预训练，随后在小数据集上进行finetune，属于增量训练的一种。最常见的例子，图像分类/识别领域常使用在ImageNet数据集上模型作为预训练模型，然后在较小的数据集上进行训练/finetune。采用这种方法训练初期损失较小，同时最终损失可以收敛到更小数值。用户可以使用百度的预训练模型（使用百度自动驾驶数据训练的模型），在apolloscape数据集上进行训练，从而获得更好的效果	训练时添加--model的参数 python tools/train.py --config configs/centerpoint/centerpoint_pillars_02voxel_apolloscape.yml --model output/pretrained_model/model.pdparams --save_dir output/centerpoint_20231110 --num_workers 4 --save_interval 5
冻结网络层	CenterPoint网络结构如下所示，白色表示没有可学习参数，黄色表示有可学习参数其中浅层网络例如bacbone提取的是线条、纹理等通用特征，深层网络例如head提取的更加高维的特定类别的特征。当使用预训练模型训练时，浅层网络已经学习到了较好的通用特征，所以开发者可以冻结浅层网络，只训练finetune head的某些层，可以在保留通用特征提取能力的前提下提升当前数据集的检测效果	model: type: CenterPoint voxelizer: ..... voxel_encoder: ..... # 冻结网络层 freeze: ["voxel_encoder"] # 冻结voxel_encoder # freeze: ["voxel_encoder", "backbone"] # 冻结backnone之前的网络 # freeze: ["voxel_encoder", "backbone", "neck"] # 冻结neck之前的网络 # freeze: ["voxel_encoder", "backbone", "neck", "shared_conv", [2, 3, 4]] # [2, 3, 4] 表示冻结第2，3，4个head
Object Sample数据增强	Object Sample是一种点云目标检测的数据增强手段训练时随机添加不同类别的障碍物点云训练代码中默认开启Object Sample数据增强，开发者可以调试Object Sample的各项参数，例如有针对性地增加某种类别目标的采样数量，以此提升该类别的检测效果	- type: SamplingDatabaseV2 min_num_points_in_box_per_class: # 每种类别最少点数 smallMot: 20 bigMot: 20 nonMot: 10 pedestrian: 8 TrafficCone: 8 max_num_samples_per_class: # 每种类别的最大采样数量 smallMot: 10 bigMot: 10 nonMot: 10 pedestrian: 10 TrafficCone: 10 ignored_difficulty: [-1] database_anno_list: ['apolloscape'] database_root: datasets/ class_names: ['smallMot', 'bigMot', 'nonMot', 'pedestrian', 'TrafficCone'] # - type: RandomObjectPerturb
提升bev空间分辨率	训练代码中voxel_size=0.2m，降采样down_ratio为4，表示输入给head的bev特征图中每个像素的实际尺寸为0.8m0.8m 开发者可以提升降采样down_ratio为2（或者降低voxel_size为0.1m），就可以提升BEV特征图的分辨率（每个像素的实际尺寸为0.4m0.4m），可有效提升小目标的检测效果。注意：这种做法会导致模型推理耗时增加。	将配置中所有的down_ratio设置为2 用下面的代码替换配置中的backnone部分 backbone: type: SecondBackbone in_channels: 64 out_channels: [64, 128, 256] layer_nums: [3, 5, 5] downsample_strides: [1, 2, 2]
batch_size	一般来说，batch size越大模型效果越好	batch_size: 8
epochs	在一定范围内，epochs越大拟合程度越好；但epochs太大会有过拟合的风险	epochs: 5
学习率	决定了模型参数的更新速度	lr_scheduler: type: OneCycleWarmupDecayLr base_learning_rate: 0.0001 # 学习率 lr_ratio_peak: 10 lr_ratio_trough: 0.0001 step_ratio_peak: 0.4

训练配置介绍

下面介绍centerpoint_pillars_02voxel_apolloscape.yml中的训练配置

基础配置

配置名称	默认值	含义
batch_size	8	训练时一个batch包含的点云帧数
epochs	5	epoch个数

AMP配置 amp_cfg

自动混合精度（Automatic Mixed Precision，以下简称为 AMP）指的是在训练时使用fp16精度，提升计算速度并降低存储空间。详细介绍参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/performance_improving/amp_cn.html

配置名称	默认值	含义
use_amp	False	是否开启amp训练
enable	False	-
level	O1	混合精度训练的策略，可选项：O1，O2
scalerinit_loss_scaling	32.0	控制 loss 缩放比例，规避浮点数下溢问题

数据集配置 train_dataset / val_datasets

配置名称			默认值	含义
type			ApolloPCDataset	数据集类型
dataset_root			datasets/	数据集的路径
dataset_list			['apolloscape']	数据集名称
transforms	LoadPointCloud	dim	5	每个点的特征数，一般为x, y, z, intensity, timestamp
	LoadPointCloud	use_dim	4	使用每个点的前use_dim个特征
	SamplingDatabaseV2	min_num_points_in_box_per_class	smallMot: 20 bigMot: 20 nonMot: 10 pedestrian: 8 TrafficCone: 8	每种类别的目标的最少点数
		max_num_samples_per_class	smallMot: 10 bigMot: 10 nonMot: 10 pedestrian: 10 TrafficCone: 10	每帧点云中每种类别目标的最大个数
		ignored_difficulty	[-1]	困难程度限制
		database_anno_list	['apolloscape']	训练数据集名称
		database_root	datasets	数据集的路径
		class_names	['smallMot', 'bigMot', 'nonMot', 'pedestrian', 'TrafficCone']	类别信息
	RandomObjectPerturb	rotation_range	[-0.15707963267, 0.15707963267]	gt随机旋转的角度范围
		translation_std	[0.25, 0.25, 0.25]	gt随机平移的标准差
		max_num_attempts	100	最大候选数量
	RandomVerticalFlip		-	开启随机竖直翻转
	GlobalRotate	min_rot	-0.78539816	全局旋转的最小旋转角
	GlobalRotate	max_rot	0.78539816	全局旋转的最大旋转角
	GlobalScale	min_scale	0.9	全局缩放的最小缩放因子
	GlobalScale	max_scale	1.1	全局缩放的最大缩放因子
	GlobalTranslate	translation_std	[0.5, 0.5, 0.5]	全局平移的标准差
	ShufflePoint		-	打乱点云的顺序
	FilterBBoxOutsideRange	point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	过滤范围外的gt
	Gt2CenterPointTarget	tasks	num_class: 1 class_names: ["smallMot"] - num_class: 1 class_names: ["bigMot"] - num_class: 1 class_names: ['nonMot'] - num_class: 1 class_names: ['pedestrian'] - num_class: 1 class_names: ['TrafficCone']	centerpoint的head设置
		down_ratio	4	下采样倍率
		point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	点云范围
		voxel_size	[0.20, 0.20, 8]	voxel的尺寸
		gaussian_overlap	0.1	高斯重叠数值
		max_objs	500	一帧最多允许的gt数量
		min_radius	2	生成heatmap时每个gt的最小半径
mode			train	训练模式
class_balanced_sampling			False	开启类别采样
class_names			['smallMot', 'bigMot', 'nonMot', 'pedestrian', 'TrafficCone']	类别信息

优化器配置 optimizer

配置名称		默认值	含义
type		OneCycleAdam	优化器类型
beta2		0.99	beta2
weight_decay		0.01	衰减系数
grad_clip	type	ClipGradByGlobalNorm	梯度裁剪
grad_clip	clip_norm	35	梯度裁剪
beta1	type	OneCycleDecayWarmupMomentum	动量设置
	momentum_peak	0.95
	momentum_trough	0.85
	step_ratio_peak	0.4

学习率设置 lr_scheduler

配置名称	默认值	含义
type	OneCycleWarmupDecayLr	学习率类型
base_learning_rate	0.0001	初始学习率
lr_ratio_peak	10	最大学习率的比例因子
lr_ratio_trough	0.0001	最小学习率的比例因子
step_ratio_peak	0.4	到达最大值的step比例

模型配置 model

配置名称		默认值	含义
type		CenterPoint	模型名称
voxelizer	type	HardVoxelizer	体素化方法
	point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	点云范围
	voxel_size	[0.20, 0.20, 8]	voxel尺寸
	max_num_points_in_voxel	20	每个voxel中最多的点数
	max_num_voxels	[30000, 60000]	训练/推理时voxel数量
voxel_encoder	type	PillarFeatureNet	voxel_encoder名称
	in_channels	4	输入的channel数量
	feat_channels	[64, 64]	fc层的输出channel
	with_distance	False	是否使用distance特征
	max_num_points_in_voxel	20	每个voxel中最多的点数
	voxel_size	[0.20, 0.20, 8]	voxel尺寸
	point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	点云范围
middle_encoder	type	PointPillarsScatter	middle_encoder名称
	in_channels	64	输入channel数量
	voxel_size	[0.20, 0.20, 8]	voxel尺寸
	point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	点云范围
backbone	type	SecondBackbone	backbone名称
	in_channels	64	输入channel
	out_channels	[64, 128, 256]	每个stage的输出channel
	layer_nums	[3, 5, 5]	每个stage的卷积层个数
	downsample_strides	[2, 2, 2]	每个stage的降采样步长
neck	type	SecondFPN	neck名称
	in_channels	[64, 128, 256]	输入channel
	out_channels	[128, 128, 128]	输出channel
	upsample_strides	[0.5, 1, 2]	上采样步长
	use_conv_for_no_stride	True	是否在未上采样处使用卷积层
bbox_head	type	CenterHead	head名称
	in_channels	384	输入channel
	tasks	- num_class: 1 class_names: ["smallMot"] - num_class: 1 class_names: ["bigMot"] - num_class: 1 class_names: ['nonMot'] - num_class: 1 class_names: ['pedestrian'] - num_class: 1 class_names: ['TrafficCone']	head设置
	weight	0.25	定位损失的权重
	code_weights	[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0]	8种定位属性的权重
	common_heads	reg: [2, 2] height: [1, 2] dim: [3, 2] rot: [2, 2]	4种head的设置
test_cfg	post_center_limit_range	[-90., -90., -10., 90., 90., 10.]	dt center的范围
	nms_pre_max_size	1000	nms之前的dt数量
	nms_post_max_size	83	nms之后的dt数量
	nms_iou_threshold	0.2	nms iou阈值
	score_threshold	0.5	置信度阈值
	point_cloud_range	[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0]	点云范围
	down_ratio	4	下采样倍率
	voxel_size	[0.20, 0.20, 8]	voxel尺寸

CenterPoint训练指导