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