【MMDetection系列 - 3】 MMdetection文件目录结构解析之mmdet文件（模型构建思想和流程）

---

前言

本文主要分析mmdet文件目录结构中的mmdet文件，了解mmdetection整体构建流程、思想及其中各部分所完成的主要功能。 （更新中）

---

一、mmdet文件目录结构

MMDetection作为目标检测工具箱，提供了许多目标检测、实例分割、全景分割等算法及相关组件模块，其中mmdet文件即为其核心组成文件。

文件路径：mmdetection-main/mmdet

该文件主要由以下几个子文件构成：

文件名	描述
apis	提供模型推理的API
configs	模型的配置文件
datasets	支持用于目标检测、实例分割和全景分割的各种数据集
engine	运行组件的一部分
evaluation	评估模型的指标
models	检测器的不同组件
structures	提供bbox、mask、DetDataSample等数据结构
testing	提供模型推理的API
visualization	检测结果的可视化工具

下面详细介绍其中的重要文件（已更configs、models）。

1. configs

进入mmdetection-main/mmdet/configs，文件目录结构如下。
在此文件中，提供了方法的配置参数，每个文件是一个模型的配置文件（文件名为模型名称）。

在mmdetection-main/mmdet/configs/_base_下，有4个基本组件类型，分别为：datasets（数据集）、model（模型）、schedules（训练策略）以及default_runtime(运行时的默认配置)。可以通过继承_base_下的组件来构建我们的方法。

在configs文件下的文件夹，以方法名来命名，对于里面的每个配置文件，遵循以下样式来命名。

{model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[gpu x batch_per_gpu]_{schedule}_{dataset}

其中：

{model}： 模型种类，例如 faster_rcnn, mask_rcnn 等。

[model setting]： 特定的模型，例如 htc 中的without_semantic， reppoints 中的 moment 等。

{backbone}： 主干网络种类例如 r50 (ResNet-50), x101 (ResNeXt-101) 等。

{neck}： Neck 模型的种类包括 fpn, pafpn, nasfpn, c4 等。

[norm_setting]： 默认使用 bn (Batch Normalization)，其他指定可以有 gn (Group Normalization)， syncbn (Synchronized Batch Normalization) 等。 gn-head/gn-neck 表示 GN 仅应用于网络的 Head 或 Neck， gn-all 表示 GN 用于整个模型， 例如主干网络、Neck 和 Head。

[misc]： 模型中各式各样的设置/插件，例如 dconv、 gcb、 attention、albu、 mstrain 等。

[gpu x batch_per_gpu]：GPU 数量和每个 GPU 的样本数，默认使用 8x2。

{schedule}： 训练方案，选项是 1x、 2x、 20e 等。1x 和 2x 分别代表 12 epoch 和 24 epoch，20e 在级联模型中使用，表示 20 epoch。对于 1x/2x，初始学习率在第 8/16 和第 11/22 epoch 衰减 10 倍；对于 20e ，初始学习率在第 16 和第 19 epoch 衰减 10 倍。

{dataset}：数据集，例如 coco、 cityscapes、 voc_0712、 wider_face 等。

如detr，其中有四个配置文件，他们均为detr模型，采用了不同的主干网络以及训练方案。

2. models

进入mmdetection-main/mmdet/models，可以看到文件目录结构如下图。

在目前代码中，目标检测算法训练遵循以下流程：

backbone -> neck -> head ->  bbox assigner -> bbox sampler -> bbox encoder -> loss

（1）backbone主要用于特征提取，在models/backbones文件下集成了大部分骨架网络：

__all__ = [
    'RegNet', 'ResNet', &#