Detectors
BaseDetector
BaseDetector
具有如下方法:
__init__
with_neck
with_shared_head
with_bbox
with_mask
extract_feat
单/多张图为张量时提取特征extract_feats
单/多张图为列表时提取特征forward_train
要返回losses
simple_test
无测试时增强的推理aug_test
带测试时增强的推理forward_test
测试时的前向,其调用simple_test
或aug_test
forward
模型前向, 其调用forward_train
或forward_test
SingleStageDetector
SingleStageDetector
具有如下方法
__init__
extract_feat
单/多张图为张量时提取特征forward_dummy
用于计算网络的flops
forward_train
要返回losses
simple_test
无测试时增强的推理aug_test
带测试时增强的推理
TwoStageDetector
TwoStageDetector
具有如下方法:
__init__
with_rpn
with_roi_head
extract_feat
单/多张图为张量时提取特征forward_dummy
用于计算网络的flops
forward_train
要返回losses
simple_test
无测试时增强的推理aug_test
带测试时增强的推理
Dense Head
BaseDenseHead
BaseDenseHead
具有如下方法:
__init__
init_weights
loss
计算损失get_bboxes
将批量网络的输出转换为边界框结果_get_bboxes_single
将单张图像的输出转换为边界框结果_bbox_post_process
边界框将会被重新缩放到原始图像大小并且做nms
操作forward_train
要返回losses
, 如果作为RPN
, 还要返回提议的结果simple_test
无测试时增强的推理
AnchorHead
AnchorHead
具有如下方法:
__init__
num_anchors
anchor_generator
_init_layers
forward_single
对单尺度层级的特征图做前向forward
前向get_anchors
根据特征图大小得到Anchors
_get_targets_single
计算单个图像中的Anchors
的regression
和classification
的目标get_targets
计算多个图像中的Anchors
的regression
和classification
的目标loss_single
计算单个尺度的损失loss
计算head
的损失aug_test
测试时增强推理
AnchorFreeHead
AnchorFreeHead
具有如下方法:
__init__
_init_layers
_init_cls_convs
_init_reg_convs
_init_predictor
_load_from_state_dict
forward
前向forward_single
对单尺度层级的特征图做前向loss
计算head
的损失get_targets
计算多个图像中的AnchorPoints
的regression
、classification
以及centerness
的目标- ` _get_points_single
根据特征图的大小得到单层
AnchorPoints` get_points
根据特征图的大小得到AnchorPoints
aug_test
测试时增强推理
RPNHead
RPNHead
具有如下方法:
__init__
_init_layers
forward_single
对单尺度层级的特征图做前向loss
计算RPNHead
的损失_get_bboxes_single
将单张图像的输出转换为边界框结果_bbox_post_process
在相同的层级做边界框的nms
操作
FCOSHead
FCOSHead
具有如下方法:
__init__
_init_layers
forward
前向forward_single
对单尺度层级的特征图做前向loss
计算FCOSHead
的损失get_targets
计算多个图像中的AnchorPoints
的regression
、classification
以及centerness
的目标_get_target_single
计算单个图像中的AnchorPoints
的regression
和classification
的目标centerness_target
计算centerness
目标_get_points_single
根据特征图的大小得到AnchorPoints
RoI Head
BaseRoIHead
BaseRoIHead
具有如下方法:
__init__
with_bbox
with_mask
with_shared_head
init_bbox_head
init_mask_head
init_assigner_sampler
forward_train
simple_test
aug_test
StandardRoIHead
StandardRoIHead
具有如下方法:
init_assigner_sampler
init_bbox_head
init_mask_head
forward_dummy
forward_train
_bbox_forward
box head 前向函数_bbox_forward_train
用于训练的 box head 前向函数_mask_forward_train
用于训练的 mask head 前向函数_mask_forward
mask head 前向函数simple_test
aug_test
bbox head
BBoxHead
BBoxHead
具有如下方法:
__init__
custom_cls_channels
custom_activation
custom_accuracy
forward
_get_target_single
根据采样结果计算单个图像中提议的真实标签get_targets
根据采样结果计算批量中所有样本的真实标签loss
get_bboxes
将批量的网络输出转换为边界框预测refine_bboxes
在训练过程中优化边界框regress_by_class
为预测的类别回归边界框
ConvFCBBoxHead
ConvFCBBoxHead
具有如下方法:
__init__
_add_conv_fc_branch
增加共享的或单独的分支, convs -> avg pool -> fcsforward
###
mask head
FCNMaskHead
FCNMaskHead
具有如下方法:
__init__
init_weights
forward
get_targets
loss
get_seg_masks
从mask_pred
和bboxes
里得到分割的 mask