MMDetection库中的一些模块介绍

本文目前仅包含1个主干网络和1个颈部网络。如果有机会，会继续补充更多模型。
若发现内容有误，欢迎指出。

  MMDetection的图像数据一般会经历如下步骤/模块：

  下面分别介绍各部分的一些典型模型。

1. 主干网络（BACKBONES）

1.1 CSPDarkNet

  该网络是YOLOX和YOLOv5的主干网络。

• 初始化参数：

参数名称	数据类型	默认值	含义	取值说明
arch	str	‘P5’	选择基本结构	可为’P4’或’P5’，表示使用4阶段或5阶段的网络（分别对应一种预定义的基本结构）
arch_overwrite	List(List)	None	自定义网络结构	None表示使用基本结构；否则为自定义网络结构，外层列表的长度为阶段数（图中最上方虚线框结构的重复次数），内层列表的格式为[int, int, int, bool, bool]，分别表示in_channels，out_channels，num_blocks，add_identity，use_spp。其中每一阶段的in_channels应和上一阶段的out_channels相同；num_blocks为CSPLayer中DarkbottleNeck的数量（图中$N$）；add_identity为True表示DarkbottleNeck有skip connection操作；use_spp为True表示使用SPP。
deepen_factor	float	1.0	-	与num_blocks相乘，放缩每个阶段CSPLayer的DarkNetBottleNeck数
widen_factor	flo​​​​​​​at	1.0	-	与in_channels和out_channels相乘，放缩通道维度
use_depthwise	bool	False	是否使用深度卷积	为True时会使用深度可分离卷积替代每阶段第一个普通卷积
spp_kernal_sizes	Tuple(int)	-	SPP中的池化核大小	池化操作的数量等于该参数长度
out_indices	Tuple(int)	-	输出特征图对应的阶段序号	-
conv_cfg	dict	卷积类型默认为Conv2d	设置卷积类型	配置文件格式
norm_cfg	dict	归一化类型默认为BN	设置归一化类型	配置文件格式
act_cfg	dict	激活函数类型默认为Swish	设置激活函数类型	配置文件格式
frozen_stages	int	-1	训练时固定参数的层数	前frozen_stages层会在训练时固定参数
norm_eval	bool	False	是否在训练时将BN层设置为评估模式	-

• forward函数：

参数名称	数据类型	默认值	含义	取值说明
x	Tensor(float)	-	输入图像	大小为$(B,3,H,W)$
返回值	List(Tensor(float))	返回值	多尺度图像特征	每个元素对应out_indices中一个阶段的输出特征图

2.颈部网络（NECKS）

2.1 YOLOXPAFPN

  该网络是YOLOX的颈部网络，可与CSPDarkNet这一主干网络搭配。

• 初始化参数：

参数名称	数据类型	默认值	含义	取值说明
in_channels	Tuple(int)	-	输入通道数	长度需要和输入特征图的尺度数相同（若主干网络为CSPDarkNet，则其值应该与CSPDarkNet的out_indices阶段输出通道数相同）
out_channels	int	-	末端卷积的输出通道数	-
use_depthwise	bool	False	是否使用深度卷积	为True时会使用深度可分离卷积替代bottom-up下采样的普通卷积
up_sample_cfg	dict	dict(scale_factor=2, mode=’nearest’)	上采样设置	两项分别为上采样倍数和插值方法
num_csp_blocks	int	-	CSPLayer中DarkNetBottleNet的数量	CSPLayer的结构见1.1节图
conv_cfg	dict	卷积类型默认为Conv2d	设置卷积类型	配置文件格式
norm_cfg	dict	归一化类型默认为BN	设置归一化类型	配置文件格式
act_cfg	dict	激活函数类型默认为Swish	设置激活函数类型	配置文件格式

• forward函数：

参数名称	数据类型	默认值	含义	取值说明
inputs	List(Tensor(float))	-	多尺度图像特征	可直接使用CSPDarkNet的输出
返回值	List(Tensor)	返回值	更新后的多尺度图像特征	-