mmdet与pytorch新建卷积层

两个框架均可以新建卷积层

mmdet调用并再次封装了pytorch

一、pytorch

torch新建卷积层，通过nn模块，通常是conv2d，batchnorm2d，relu三件套，即卷积、归一化、激活。

    def dilate_conv(self):
        layers=[]
        layers.append(nn.Conv2d(64,64,kernel_size=3,stride=1,padding=1,dilation=1))
        layers.append(nn.BatchNorm2d(64))
        layers.append(nn.ReLU(inplace=True))
        return nn.Sequential(*layers)

Conv2d的参数含义依次为：

输入特征通道，输出特征通道，卷积核尺寸，stride，pding，dilation

dilation用于设置膨胀卷积，默认值为1，dilation为1时即为普通卷积

BatchNormd的参数，通常只写一个，即输入通道数，输出和输入一样

relu不需要参数。

二、mmdet

mmdet新建卷积层通常用ConvModule模块

conv_module = ConvModule(
                self.in_channel,
                feat_channel,
                3,
                padding=1,
                conv_cfg=dict(type='DCNv2') if self.use_dcn else None,
                norm_cfg=dict(type='BN'))

该模块和nn三件套等效，包含了卷积、归一化、激活

上述代码中，特殊之处在于conv_cfg，这里设置的是DCNv2，即可变卷积

norm_cfg为归一化配置，这里也是batchnorm

激活层默认为relu，可以不写。