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 -> fcs
forward

###

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

【深度学习】MMdet 代码解读