mmdetection源码笔记（二）：创建网络模型之cascade_rcnn.py的解读（中）

引言：

cascade_rcnn.py文件在moels/detections文件夹下。本次对文件cascade_rcnn.py的代码解读，是根据py配置文件configs/cascade_rcnn_r50_fpn_1x.py的数据信息进行讲解的。

moels/detectionscascade_rcnn.py文件中

主要的内容如下：

• __init__() ：module的构造函数。
• init_weights() ：backbone为cascade rcnn的初始化权重方法，在__init__()调用进行初始化。
• extract_feat() ：提取img特征，主要实现了backbone和neck的forward()的前向计算。
• forward_train() ：在这里实现层之间的连接关系，其实就是所谓的前向传播。当执行model(x)（该model为module的子类）的时候，底层自动调用forward方法计算结果。
• simple_test() ：检测过程的前向传播forward调用的函数，通过最原始的nn.Module到父类BaseDetector的forward，继续由底层 ，层层向上调用到这里。
• aug_test() ：Test with augmentations。
• show_result() ：

共七个部分，本篇文章主要对前四个部分的代码精度，这四个步骤中的__init__()和forward_train()是module类的最主要的两个部分，也是定义网络的最关键的部分。
自定义一个模型就是通过继承nn.Module类来实现，在__init__()构造函数中申明各个层的定义，在forward()中实现层之间的连接关系，实际上就是前向传播的过程。

注：后面三个部分，博主后续会继续阅读代码，在对这三个部分进行补充。

首先，看本篇讲解时，先了解一下下篇文章，该文章讲解了创建模型的过程，尤其以detection为例，讲解了mmdetection通过注册表的形式，实例化了类名为DETECTION的Rigistry类，并且在其module_dict属性中，保存了detection的module类，和其对应的类名。通过这篇文章，可以了解mmdetection如何注册和创建模型的。

• mmdetection源码笔记（二）：创建网络模型之registry.py和builder.py解读（上）

其次，了解一下torch.nn.module（有pytorch基础也行，博主刚开始看mmdetection时，没有pytorch一点基础，然后看到forward()函数时，找了好几个文件夹，看他在哪里调用的…，后面才知道，forward()是自定义层的前向计算，自动执行的（ 也就是对输入自动进行处理）），推荐下篇文章：

• PyTorch之前向传播函数forward

__init__()

@DETECTORS.register_module 
#在build_from_cfg()中，实例化detector，然后在通过形参的方式，将类和类名送入了方法register_module中。
class CascadeRCNN(BaseDetector, RPNTestMixin):
                                           # 参数来自cascade_rcnn_r50_fpn_1x.py
    def __init__(self,
                 num_stages,               # 3
                 backbone,                 # ResNet
                 neck=None,                # FPN
                 shared_head=None,         
                 rpn_head=None,            # RPNHead
                 bbox_roi_extractor=None,  # SingleRoIExtractor
                 bbox_head=None,           # SharedFCBBoxHead  *  3 （三阶段）
                 mask_roi_extractor=None,  
                 mask_head=None,
                 train_cfg=None,           # assigner : MaxIoUAssigner ;  sampler : RandomSampler 
                 test_cfg=None,            # skip
                 pretrained=None):         # modelzoo://resnet50
        assert bbox_roi_extractor is not None
        assert bbox_head is not None
        super(CascadeRCNN, self).__init__()

        self.num_stages = num_stages
        self.backbone = builder.build_backbone(backbone)  # build backbone and Registry
        
		#同上，创建模型，对各个组件（比如backbone、neck、bbox_head等字典数据，构建成module类）分别创建module类模型
        if neck is not None:
            self.neck = builder.build_neck(neck)
        if rpn_head is not None:
            self.rpn_head = builder.build_head(rpn_head)
        if shared_head is not None:
            self.shared_head = builder.build_shared_head(shared_head)
        if bbox_head is not None:
            self.bbox_roi_extractor = nn.ModuleList()      
            #ModuleList() 能够像列表一样索引 , [module1 , module2 , module3 ....]
            #type='SingleRoIExtractor'  
            
            self.bbox_head = nn.ModuleList()
            #SharedFCBBoxHead * 3 ; 三个字典构成list列表，字典的type一样，但是里面的其他字段不一样
            
            if not isinstance(bbox_roi_extractor, list):
                bbox_roi_extractor = [
                    bbox_roi_extractor for _ in range(num_stages)  
                    # cascade rcnn, 1 stage + 3 stage , 3 include 3 times detection
                ]
            if not isinstance(bbox_head, list): # bbox_head is list, so skip
                bbox_head = [bbox_head for _ in range(num_stages)]
            assert len(bbox_roi_extractor) == len(bbox_head) == self.num_stages