maskrcnn_benchmark 代码详解之 rpn.py

前言：

　　RPN的主要功能是生成候选边框，并根据loss来进行优化。生成候选边框(proposals)主要是根据生成的锚点(anchors)加上与基准边框(ground truth box)之间的偏差。因此RPN的主要功能是选择靠谱的锚点(anchors)，这就需要一个特征图来描述每个锚点的贡献值，１为百分百为含有目标的锚点，０为背景，这就是cls_logits特征图，其通道数为特征图上每个点代表的锚点类型数，特征图的每个点代表锚点在原图上的特定位置，不同的特征图象征不同的锚点大小。同样的我们也要一个衡量边框预测bbox_pred的网络层，不同的是其通道将是cls_logits特征图的４倍。通过这两个结构我们可以进一步进行计算，从而得到预测边框，并计算损失值。

其代码详解为：

# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
import torch
import torch.nn.functional as F
from torch import nn

from maskrcnn_benchmark.modeling import registry
from maskrcnn_benchmark.modeling.box_coder import BoxCoder
from maskrcnn_benchmark.modeling.rpn.retinanet.retinanet import build_retinanet
from .loss import make_rpn_loss_evaluator
from .anchor_generator import make_anchor_generator
from .inference import make_rpn_postprocessor


class RPNHeadConvRegressor(nn.Module):
    """
    A simple RPN Head for classification and bbox regression
    本类是一个简单的RPN层，用于将从FPN层提取的多层特征图中提取锚点的分类信息以及边框回归信息
    """

    def __init__(self, cfg, in_channels, num_anchors):
        """
        参数:
            cfg              : config配置文件（包含所有默认参数）
            in_channels (int): number of channels of the input feature输入特征的通道数
            num_anchors (int): number of anchors to be predicted特征图上每一个点代表的锚点个数，
                            　让通道数等于锚点个数，每一个通道代表一种锚点的权重
        """
        super(RPNHeadConvRegressor, self).__init__()
        # 用1*1的卷积核对输入层进行通道调整
        # 产生两个分支：锚点的分类信息层、锚点的边框（×４）回归信息
        self.cls_logits = nn.Conv2d(in_channels, num_anchors, kernel_size=1, stride=1)
        self.bbox_pred = nn.Conv2d(
            in_channels, num_anchors * 4, kernel_size=1, stride=1
        )
        # 初始化网络参数
        for l in [self.cls_logits, se