High-Resolution Network (篇二)：MMpose代码讲解之Backbone及关键点Detector部分

Backbone部分

• Backbone部分的代码在mmpose\models\backbones\hrnet.py中，该脚本文件调用了ResNet的BasicBlock和Bottleneck，我们只需要关注HRNet类即可，其构造参数解释如下：

  extra (dict): HRNet中每一个Stage的详细配置
  in_channels (int): 输入图像的通道数，默认为3
  conv_cfg (dict): 卷积层的配置
  norm_cfg (dict): 归一化层的配置
  norm_eval (bool): 是否将归一化层设为冻结模式，训练阶段默认为False
  with_cp (bool): 是否使用预训练权重
  zero_init_residual (bool):是否对resblock中的最后一个norm层使用零值初始化
  frozen_stages (int): 设置拿个stage冻结权重，-1 表示不冻结任何权重

• 从原始Image到Stage之间会经过Stem结构，Stem结构由两个步距为2的3×3卷积组成，用来将分辨率降为输入的1/4，其代码部分如下所示：

  self.norm1_name, norm1 = build_norm_layer(self.norm_cfg, 64, postfix=1)  
  # norm1 = BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, trac