https://zhuanlan.zhihu.com/p/93451942
https://blog.csdn.net/qq_34437210/article/details/106932193
https://blog.csdn.net/tsq292978891/article/details/105255069
https://www.it610.com/article/1298473172097638400.htm
0.datection=backbone+neck+detection head
分类网络迁移过来,用作特征提取器,后续的网络负责从这些特征中,检测目标的位置和类别。那么,我们就将分类网络所在的环节称之为“Backbone”也就是情理之中的了。而后续连接的网络层由于主要是服务于detection任务,因此称之为“Detection head”
1.Backbone
特征提取网络
在mmdet/models/backbones中涵盖了众多特征提取网络
darknet resnet resnext hrnet detectors_resnet
2.neck
这部分的作用就是更好地融合/提取backbone所给出的feature,然后再交由后续的head去检测,从而提高网络的性能。
在mmdet/models/necks
fpn hrfpn rfp yolo_beck
3.head
前面已经提取了图像特征,后面根据特征检测图像中物体的位置和分类
3.1 rpn_head
根据特征,得到bbox的得分和位置
在mmdet/models/dense_heads
rpn retina_head
3.2 roi_head
3.2.1 bbox_roi_extractor
把rpn提取的特征图统一大小
在mmdet/models/roi_head/roi_extractor
3.2.2bbox_head
bbox的得分和类别
在mmdet/models/roi_head/bbox_heads
4.faster_rcnn_r50_fpn 梳理
在configs/_base_/models/faster_rcnn_r50_fpn中
backbone 使用了resnet50
neck使用了FPN
rpn_head使用RPN
roi_head
bbox_roi_extractor 使用了RoiAlign
bbox_head