RetinaNet源码阅读 [MMDetection]（1）

0.背景

1）什么是MMdetection？MMdetection是商汤科技推出的基于pytorch开源目标检测框架，包含了一些经典的目标检测方法。用户可以根据自己的需求，对模型参数进行修改，也可以使用其中的模块（如损失函数、Backbone等）搭建自己的网络。
用户最直接接触的就是config文件，在config文件中，用户主要设置model（模型结构）、datasete（数据集信息）、schedule（训练策略）、default_runtime。同时，各个config文件可以互相直接继承，继承以后再稍加修改就可以得到新的模型。具体细节见文档的五个教程。

2）什么是RetinaNet？ RetinaNet是一个单阶段、Anchor-based目标检测器，其结构并没有特别的创新，它的贡献是创造了一个新的损失函数Focal Loss。论文说明了两阶段检测器（如Faster-RCNN）之所以精度比以往的单阶段(YOLO系列)检测器精度高，其中一个原因是正负样本不平衡。两阶段检测器由于会使用RPN对图像进行初步筛选，所以背景之类的负样本会少很多。单阶段检测器由于在训练的时候，负样本过多，导致预测的时候也会倾向于负样本。为此，文章提出的Focal Loss通过稍加修改Cross Entropy损失函数，降低了负样本过多带来的影响，使得单精度检测器的精度可以比肩多精度检测器。

3）这个系列适合谁看？ 如果只是想使用RetinaNet训练自己的模型，可以直接看MMdetection的文档，使用起来非常简单，大概一两个小时就能搞懂怎么用和训练自己的数据集。同时本系列不会涉及论文解读，因为网上过多，而且retina创新的东西不多。本系列主要解析MMDetection中关于RetinaNet的源码，通过阅读源码提升实践能力。看这个系列需要首先了解RetinaNet的网络结构，其次了解Pytorch一些基本操作，最后了解一下MMdetection的基本的文件结构。

1. 原型机和总览

在config文件夹中，包含了若干种已经配置好的模型和数据集配置文件。其中__base__中有几个关键的模型配置见，其他文件夹中的配置文件往往是从__base__中衍生出来的。文档中称这些被继承的配置文件叫做Primitive，我翻译成原型机。__base__/model中有一个配置文件叫做retinanet_r50_fpn.py按照命名规则可以看出，它使用的是ResNet50做Backbone体征提取，用FPN做Neck特征处理。

retinanet_r50_fpn.py文件，首先着重看一下model的结构：backbone+neck+bbox_head+loss设置+train+test。所有参数，会在后面慢慢解析，这里只需要知道一下结构。

# model settings
model = dict(
    type='RetinaNet',
    pretrained='torchvision://resnet50',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch'),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        start_level=1,
        add_extra_convs='on_input',
        num_outs=5),
    bbox_head=dict(
        type='RetinaHead',
        num_classes=80,
        in_channels=256,
        stacked_convs=4,
        feat_channels=256