目标检测专业名字解释对照MMdetection

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