maskrcnn_benchmark理解记录——modeling\backbone\backbone.py

因为是resnet50+FPN。这里的backbone.py 主要是先通过resnet.py配合config，我的是生成resnet50的网络，并且由于

"R-50-FPN": ResNet50FPNStagesTo5，又要配合FPN，所以可以看到配置是在index是1~4层，也就是conv2~conv5都作为特征提取层的。如果不配合FPN，只是标准的残差，只要conv5是特征提取层。

# ResNet-50-FPN (including all stages)
ResNet50FPNStagesTo5 = tuple(
    StageSpec(index=i, block_count=c, return_features=r)
    for (i, c, r) in ((1, 3, True), (2, 4, True), (3, 6, True), (4, 3, True))
)

那么backbone.py就是结合resnet.py和fpn.py  生成backbone。

body = resnet.ResNet(cfg)
fpn = fpn_module.FPN()

最终是用C2~C5来构建FPN，P2~P5。egP2参数是（batchsize，256,1/4,1/4）。并且对C5用LastLevelMaxPool，构建了P6层。它们通道数都是256.

# Copy