maskrcnn-benchmark　代码详解之　backbone.py-优快云博客

本文链接：https://blog.youkuaiyun.com/leijieZhang/article/details/90748788

backbone.py文件详细解析了用于目标检测的backbone结构，利用Registry装饰器构建Resnet等不同的backbone。重点探讨Resnet的第二个stage，其通过减小特征图尺寸，增加通道数，实现精细特征提取。代码中展示了如何用通道交换空间分辨率的策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

在backbone.py文件中，定义了各种不同的backbone结构，并使用Registry装饰器类来实现构造这些backbone结构函数的调用。指的一提的是，backbone.py将不同的模块搭建出拥有不同功能的backbone结构，为边框预测等操作提供各自合适的特征提取网络；

其中Resnet的第2个stage非常重要，因为第一个阶段就是对原始图像的一次粗糙的特征提取，从第二阶段开始往后，特征图的大小缩小两倍，但是每个stage的输入输出通道扩大两倍，这是典型的用通道换面积。详细代码解释如下：

# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
from collections import OrderedDict

from torch import nn

from maskrcnn_benchmark.modeling import registry
from maskrcnn_benchmark.modeling.make_layers import conv_with_kaiming_uniform
from . import fpn as fpn_module
from . import resnet


# 定义不同的backbone并将其保存在registry模型字典中,保存的名称与resnet.py中的网络结构相同，这样就可以构造指定的网络结构
# 例如：R-50-C4意思是Ｒesnet50前４个stage的结构，而在这个名称和resnet.py中的指定网络结构是一致的，这个R-50-C4连接这两部分

# todo 单纯用Resnet构造的backbone
@registry.BACKBONES.register("R-50-C4")
@registry.BACKBONES.register("R-50-C5")
@registry.BACKBONES.register("R-101-C4")
@registry.BACKBONES.register("R-101-C5")
def build_resn