FasterRCNN源码解析（八）——ROIheads部分

FasterRCNN源码解析（八）——ROIheads部分

本节所对应的部分有

在我们的faster_rcnn_framework.py中的FasterRCNN类中，有实例化ROIheads部分

# 将roi pooling, box_head以及box_predictor结合在一起
        roi_heads = RoIHeads(
            # box
            box_roi_pool, box_head, box_predictor, # 1对应图中ROIpooling 2 对应TwoMLPHead层 3 对应图中FastRCNNPredictor
            box_fg_iou_thresh, box_bg_iou_thresh, # 正负样本阈值0.5 0.5
            box_batch_size_per_image, box_positive_fraction, # 512  0.25
            bbox_reg_weights, # 超参数
            box_score_thresh, box_nms_thresh, box_detections_per_img) # 进行后处理的一些  阈值

在我们res50+FPN backbone中，box_roi_pool为

box_roi_pool = MultiScaleRoIAlign(
                featmap_names=['0', '1', '2', '3'],  # 在哪些特征层进行roi pooling
                output_size=[7, 7],
                sampling_ratio=2)

box_head为

			resolution = box_roi_pool.output_size[0]  # 默认等于7
            representation_size = 1024
            box_head = TwoMLPHead(
                out_channels * resolution ** 2,
                representation_size
            )

box_predictor为

# 在box_head的输出上预测部分
        if box_predictor is None:
            representation_size = 1024
            box_predictor = FastRCNNPredictor(
                representation_size,
                num_classes)

---

一、TwoMLPHead

class