maskrcnn-benchmark源码分析(1)_网络构建.md

maskrcnn-benchmark 源码分析

代码中抽象出来一个model类GeneralizedRCNN。输入images，target到model中，然后返回loss，loss的计算都放在forward函数中了。外层的train函数，只是做iter循环、loss backward、optimizer.step、记录日志等这类比较固化的通用代码。

GeneralizedRCNN里面由三部分组成：backbone，RPN，Roi_head。网络的构建大量使用工厂方法，基本上可以根据配置来创建不同的检测网络，能够支持多种组合。

• model GeneralizedRCNN
  • backbone nn.Sequential
    • body ResNet
      • stem StemWithFixedBatchNorm //resnet的基础层
      • module BottleneckWithFixedBatchNorm //resnet的bottleneck模块
    • fpn
      • inner_block 1*1的conv层
      • layer_block 3*3的conv层
    • backbone是RCNN的骨干网，就是图片的特征提取器，在resnet+fpn的网络下，提取出来的是各尺度（5个尺度）上的256-d的feature map，这个feature map作为下一阶段rpn的输入。
  • rpn RPNModule
    • head RPNHead //rpn的cnn网络，对featuremap每个点计算对应的bbox和cls_logits
    • anchor_generator AnchorGenerator //根据rpn_head的计算结果，找到最可能的bbox的坐标
    • box_selector_train RPNPostProcessor
    • loss_evaluator RPNLossComputation // 评估RPN网络的Loss
    • rpn是一个cnn网络，输入是feature map，输出是bbox坐标。
  • roi_heads CombinedROIHeads
    • box ROIBoxHead
      • feature_extractor FPN2MLPFeatureExtractor
        • pooler
        • fc6
        • fc7
      • predictor FPNPredictor
        • cls_score nn.Linear
        • bbox_pred nn.Linear
      • post_processor
      • loss_evaluator
    • mask ROIMaskHead

整体上，就是backbone算特征，rpn算框框， roi_heads算物体类别。外部看封装的很好，细节都藏在具体的各个类里面了。明天继续看代码，但愿自学能学到一点高手的编码风格。