Faster R-CNN模块解读(二) Backbone的构建
上一篇博客介绍了检测器的构建,是通过build_from_cfg(cfg.model, DETECTORS, dict(train_cfg=train_cfg, test_cfg=test_cfg))
调用得到,而构建检测器时,必须要构建Backbone,在TwoStageDetector
类初始化时,就需要构建self.backbone = builder.build_backbone(backbone)
。而在
mmdetection/mmdet/models/builder.py
1 |
|
可以看到同样是调用build_from_cfg(cfg.model.backbone, BACKBONES, dict(train_cfg=train_cfg, test_cfg=test_cfg))
来构建Backbone的。
在mmdetection/configs/faster_rcnn_r50_fpn_1x.py中,backbone的字典参数如下:
1 | backbone=dict( |
此处type
为ResNet,则将会去构造mmdetection/mmdet/models/backbones/resnet.py这个类。
该类则是大名鼎鼎的ResNet,下面将会与ResNet论文 中的网络结构一起来学习ResNet的实现。主要介绍ResNet-18与ResNet-50。
对网络结构不是很熟悉的同学,可能还要借助caffe的prototxt可视化一起,会有更深层的理解,也会对编写该代码的作者更加崇拜。
ResNet-18 prototxt:https://raw.githubusercontent.com/marvis/pytorch-caffe-darknet-convert/master/cfg/resnet-18.prototxt
可视化网页:
https://ethereon.github.io/netscope/#/editor
将prototxt复制进左边的输入框,shift+enter即可以看到可视化的网络结构。
ResNet-50,何恺明大大已经可视化了:http://ethereon.github.io/netscope/#/gist/db945b393d40bfa26006
准备工作做好后,我们便正式开始学习Backbone(ResNet)的构建了。
先跳过BasicBlock
,Bottleneck
这两个类,看ResNet
这个类。
在__init__
函数之前,
1 | arch_settings = { |
代码中很清晰的将不同层数的ResNet的区别,以及不同层数的ResNet的配置都一一告知。
1 |
|
从__init__
函数中,我们可以看到,首先是将一系列的卷积层的变量传递到该类当中,比如:stride(步长)
,dilation(扩张率)
等,之后调用_make_stem_layer()
。
1 | def _make_stem_layer(self): |
从这个类,我们可以看到定义了conv1是一个7x7、步长为2,padding为3,输入channel为3,输出的channel为64,之后再接BatchNorm层与ReLU层,最后接一个kernel_size为3,步长为2的maxPooling 层
可以看到与可视化的第一部分一致,经过conv1与maxPooling之后,Feature map的尺寸变成原来的1/4。
之后便是一个循环,构造每个stage的卷积层。通过调用make_res_layer
,构造每个stage的卷积层。make_res_layer
有个参数block
,用于指定使用的是BasicBlock
还是Bottleneck
。通过__init__
中的self.block, stage_blocks = self.arch_settings[depth]
设置,可以看到ResNet-18使用的是BasicBlock
,而ResNet-50使用的是Bottleneck
。两者的区别可以从图1不同层数的ResNet结构图看出,BasicBlock是堆叠了两个3x3的卷积核,Bottleneck
则是1x1->3x3->1x1。具体结构如下图:
通过代码,我们同样可以看出区别。
1 | class BasicBlock(nn.Module): |
而Bottleneck
,此处的代码忽略了一些判断,dcn,gcb等。
1 | class Bottleneck(nn.Module): |
简单了解了下BasicBlock
和Bottleneck
之后,我们来看下make_res_layer
1 | def make_res_layer(block, |
可以看到若stride不等于1或者输入的Feature map的channel不等于64 × expansion(BasicBlock.expansion = 1,Bottleneck.expansion = 4),则downsample设置成1x1x(64 × expansion),在可视化部分如图所示,downsample便指的是这一块的卷积层。
shortcut的操作(恒等映射)在BasicBlock
和Bottleneck
的forward函数
中。
class BasicBlock(nn.Module):
1 |
|
class Bottleneck(nn.Module):
1 | def forward(self, x): |
需要注意的是在每个stage,只有第一次才会传入downsample
,之后是不传入的。这和ResNet的可视化结果一致。ResNet-50第一个stage也确实是堆叠了3个Bottleneck
,与代码中也一致。
此外还需要说明的是在每个stage之后channel数会发生变化。
另外,在resnet.py
中还有init_weights
,forward
,train
函数。
init_weights
在two_stage.py
被调用,将预训练权重加载到backbone中。forward
函数则是在two_stage.py
中的extract_feat(img)
中通过self.backbone(img)
调用,这是因为ResNet类继承至nn.Module,而在nn.Module中实现了__call__
,在nn.Module的__call__
中result = self.forward(*input, **kwargs)
,因此可以通过self.backbone(img)
直接调用self.backbone.forward(img)
。
在本篇博客中,我们详细介绍了mmDetection框架中backbone的构建,此处以ResNet为例,结合论文、caffe的prototxt的可视化和代码,一起讲述了ResNet网络的构建过程。