前言
在backbone.py文件中,定义了各种不同的backbone结构,并使用Registry装饰器类来实现构造这些backbone结构函数的调用。指的一提的是,backbone.py将不同的模块搭建出拥有不同功能的backbone结构,为边框预测等操作提供各自合适的特征提取网络;
其中Resnet的第2个stage非常重要,因为第一个阶段就是对原始图像的一次粗糙的特征提取,从第二阶段开始往后,特征图的大小缩小两倍,但是每个stage的输入输出通道扩大两倍,这是典型的用通道换面积。详细代码解释如下:
# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
from collections import OrderedDict
from torch import nn
from maskrcnn_benchmark.modeling import registry
from maskrcnn_benchmark.modeling.make_layers import conv_with_kaiming_uniform
from . import fpn as fpn_module
from . import resnet
# 定义不同的backbone并将其保存在registry模型字典中,保存的名称与resnet.py中的网络结构相同,这样就可以构造指定的网络结构
# 例如:R-50-C4意思是Resnet50前4个stage的结构,而在这个名称和resnet.py中的指定网络结构是一致的,这个R-50-C4连接这两部分
# todo 单纯用Resnet构造的backbone
@registry.BACKBONES.register("R-50-C4")
@