maskrcnn_benchmark理解记录——modeling\detector\generalized_rcnn.py

Generalized R-CNN的主类。就是说这个是mask rcnn的正常架构（boxes and masks. ）。至于关节点和其他改变不在此部分。

1)self.backbone = build_backbone(cfg)

2)self.rpn = build_rpn(cfg, self.backbone.out_channels)

3)self.roi_heads = build_roi_heads(cfg, self.backbone.out_channels)

可以看到它由三个主要部分组成：
      - backbone  （resnet50+FPN）
      - rpn              (提取proposals_data)
      -  heads：从RPN获取features 和proposals并进而计算检测结果（class+boxes）和掩码结果（mask）

1)modeling\backbone\backbone.py   提取各个stage的特征图;然后使用feature map进行RPN及ROI pooling操作;根据输入图片预处理后。

features = self.backbone(images.tensors) 

可以得到P2~P6层参数如下：
ipdb> p features[0].size()
torch.Size([1, 256, 200, 272])
ipdb> p featur