CenterNet 代码阅读笔记二（Keras版本）

前言

大家好！上篇博文主要整理了一下代码架构以及运行方法，这篇文章将重点阐述该版本CenterNet所采用的backbone模型–Hourglass Network！主要分析Hourglass网络的代码实现，依据代码绘制功能模块图，希望能为大家理解代码提供帮助。目前已经有很多优秀的介绍Hourglass网络基本原理的博文，因此本篇博文将不进行重复介绍，请参看论文或者博文。

论文：HourglassNet论文

博文1：(https://blog.csdn.net/wangzi371312/article/details/81174452)
博文2：(https://blog.csdn.net/u013841196/article/details/81048237)
博文3：(https://blog.csdn.net/shenxiaolu1984/article/details/51428392)

代码结构

本系列博文主要以“ctdet_image.py”代码为核心，分析基于CenterNet实现图像目标检测过程。代码如下图所示：

本篇博文将重点分析Hourglass Network的建立过程，即“HourglassNetwork()”函数。

hourglass.py

“HourglassNetwork()”函数的作用是为CenterNet建立一个完整的backbone模型，其具体实现在“hourglass.py”代码文件中，其主体函数为“HourglassNetwork()”：

CenterNet的backbone采用两个Hourglass Network的级联结构，每个hourglass模型通过"hourglass_module()"子函数进行建立，并且，第一个hourglass的输入为"pre()"的输出，第二个hourglass的输入为第一个hourglass输出进行一些后处理后获得，其整体实现框图如图所示：

其中包含了许多功能子函数：
"pre()"函数：

该代码实现框图可表示为：

以上框图包括2个基本函数模块"convolution()“和"residual()”，这两部分代码及其框图为：

其中除了已经介绍的基本模块外，还包含代码中两个重要的实现模块，即"left_features"和"right_features"，这两部分的实现模块如下所示：


以上是backbone网络建立相关的所有实现框图，整个流程已结合程序调试反复检验，可保证正确性，请大家放心使用。另外，所有框图均为原创，使用请注明引用，谢谢。

总结

从代码中可以看出，该版本CenterNet只有测试程序，没有训练过程。因此，并没有loss function，optimization等函数，Hourglass Network的建立也只是为了建立一个与现有backbone结构一模一样的模型，从而可以直接载入现有模型weights进行使用。本篇博文所分析的代码实现了backbone模型的建立以及其weights载入，并且为每一段模块函数绘制了实现框图，希望为大家进行代码学习提供帮助，后续内容会尽快更新，敬请关注。

https://github.com/see--/keras-centernet