MMDet逐行代码解读之ResNet50+FPN

文章目录

  • 前言
  • 1、ResNet50
    • 1.1. 构建一个resnet50
    • 1.2. 搭建过程
      • 1.2.1 stem部分
      • 1.2.2 ResLayer部分
      • 1.2.3 冻结部分参数
      • 1.2.4 重写train方法
    • 1.3. 前向传播
  • 2、FPN
    • 2.1. 跑个demo
    • 2.2. 实现细节
      • 2.2.1 FPN初始化部分
      • 2.2.2 FPN中forward部分
      • 2.2.3 额外卷积部分初始化
  • 总结


前言

  本篇是MMdet逐行解读第五篇。从本篇开始介绍mmdet/models文件夹内容。首先介绍最常用的resnet50+fpn结构。
 历史文章如下:
 AnchorGenerator解读
 MaxIOUAssigner解读
 DeltaXYWHBBoxCoder解读
  正负样本采样解读

1、ResNet50

1.1. 构建一个resnet50

# 骨架网络构建
from mmdet.models import build_backbone
if __name__ == '__main__':
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0,1,2,3), # 返回四个特征图的索引
        frozen_stages=1,       # 冻结stem和第一层
        # 表示全部的BN需要梯度更新
        norm_cfg=dict(type='BN', requires_grad=True), 
        norm_eval=True,       # 且全局网络的BN进入eval模式
        style='pytorch')
    resnet50 = build_backbone(backbone)

  代码细节先暂时不看,首先打印下resnet50结构:

1.2. 搭建过程

  从上节中可以看出,resnet50主要包括两部分:stem部分 + 若干stage的ResLayer + 冻结部分层。实际上在resnet的初始化部分就是按照上述顺序构造resnet50的。我这里截取部分代码:

@BACKBONES.register_module()
class ResNet(nn.Module):
    def __init__(self):
        super(ResNet, self).__init__()
        # 构建stem部分
        self._make_stem_layer(in_channels, stem_channels)
        # 构建stage个残差层  
        self.res_layers = []                        
        for i, num_blocks in enumerate(self.stage_blocks):
            res_layer = self.make_res_layer()
        # 冻结参数
        self._freeze_stages()

  接下来分别看下各个部分源码

1.2.1 stem部分

  这块比较简单:stem部分 = 7*7conv + bn + relu + maxpool。这部分通常只是提取图像低级特征,故一般都需要固定这部分权重。

def _make_stem_layer(self, in_channels, stem_channels):
        self.conv1 = build_conv_layer(
            self.conv_cfg,
            in_channels,
            stem_channels,
            kernel_size=7,
            stride=2,
            padding=3,
            bias=False)
        self.norm1_name, norm1 = build_norm_layer(
            self.norm_cfg, stem_channels, postfix=1)
        self.add_module(self.norm1_name, norm1)
        self.relu = nn.ReLU(inplace=True)
    self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)

1.2.2 ResLayer部分

  每层ResLayer内部实际上就是堆叠了若干个Bottleneck。

def make_res_layer(self, **kwargs):
    """Pack all blocks in a stage into a ``ResLayer``"""
    return ResLayer(**kwargs)      # 调用现成模块构造残差块

1.2.3 冻结部分参数

  在讲解之前,先注意一个配置参数:norm_cfg=dict(type=‘BN’, requires_grad=True), 在构造stem和ResLayer时均传入了这个参数,即内部所有BN层均需要梯度更新。即到此为止,resnet50里面的所有BN的参数均需要更新。
  继续看另一个参数:frozen_stages
  frozen_stages=-1,表示全部可学习。
  frozen_stage=0,表示stem权重固定。
  frozen_stages=1,表示 stem 和第一个 stage 权重固定。
  frozen_stages=2,表示 stem 和前两个 stage 权重固定。
  在来看下该部分代码:

def _freeze_stages(self):
	# 若frozen_stages>=0,则必须冻住stem
    if self.frozen_stages >= 0:
        self.norm1.eval()     # BN进入eval模式,使用全局均值和方差
        for m in [self.conv1, self.norm1]:
            for param in m.parameters():
                param.requires_grad = False # 冻结参数
	# 冻结特定stage:先eval,之后再冻结参数。
    for i in range(1, self.frozen_stages + 1):
        m = getattr(self, f'layer{i}')
        m.eval() # eval控制BN使用的是全局均值和方差。并没有冻结参数
        # 在测试时候也要+eval,否则即使不训练,一轮测试也会
        #更新滑动均值和方差的。eval模式下会计算梯度并保存,但是
        #不会反传;而加速则需要使用torch.no_grad。
        for param in m.parameters():  
            param.requires_grad = False    

  【注意】:这里比较纳闷的是为啥eval在冻结参数。eval模式下BN层使用的全局均值和方差,但依旧会计算梯度并保存,但不会反向传播;所以,为了节省GPU和内存,单独在将参数的梯度设置为False;与之相反,若不设置eval模式,BN不使用全局均值和方差,这肯定是错误的。即eval主要影响的是BN。

1.2.4 重写train方法

  上述过程只是完成了resnet50的初始化。在评估模型时,可以直接使用冻结好的resnet50;但是在train模式下,resnet50的所有层进入训练模式,白固定了,因此需要重新写train方法。

    def train(self, mode=True):
        super(ResNet, self).train(mode)
        self._freeze_stages()    # 重新调用冻结参数方法
        # 若需要固定全网络的BN,则需要让所有BN使用eval模式。
        if mode and self.norm_eval:             
            for m in self.modules():
                if isinstance(m, _BatchNorm):
                    m.eval()

  另外,注意配置文件最后一个参数norm_eval=True,即让全网络的BN均使用全局均值和方差。

1.3. 前向传播

  这部分比较简单,主要注意下配置参数out_indices=(0,1,2,3),即输出对应ResLayer的特征图。

def forward(self, x):
    """Forward function"""
    if self.deep_stem:
        x = self.stem(x)
    else:
        x = self.conv1(x)
        x = self.norm1(x)
        x = self.relu(x)
    x = self.maxpool(x)
    outs = []
    for i, layer_name in enumerate(self.res_layers):
        res_layer = getattr(self, layer_name)
        x = res_layer(x)
        if i in self.out_indices:   # 保存对应特征图
            outs.append(x)
    return tuple(outs)

 这里简单写个测试代码:

x = torch.randn(1,3,64,64)
outputs = resnet50(x)
for out in outputs:
    print(out.shape)
#torch.Size([1, 256, 16, 16])
#torch.Size([1, 512, 8, 8])
#torch.Size([1, 1024, 4, 4])
#torch.Size([1, 2048, 2, 2])

  同理,若将out_indices=(3,),则将返回最后一个特征图。[1,2048,2,2]。

2、FPN

2.1. 跑个demo

    from mmdet.models import build_neck
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],  # 接收输入特征图的通道数
        out_channels=256,                    # FPN的各个特征图的输出通道数
        start_level=1,                       # 从1号输入特征图开始fpn
        add_extra_convs='on_input',          
        num_outs=5)                          # 控制输出特征图个数
    fpn = build_neck(neck).eval()
    # 构造四个虚拟的输入
    in_channels = [256, 512, 1024, 2048]
    scales = [16, 8, 4, 2]
    inputs = [torch.rand(1, c, s, s) for c, s in zip(in_channels, scales)]
    outputs = fpn(inputs)
    for i in range(len(outputs)):
        print(f'outputs[{i}].shape = {outputs[i].shape}')
    '''
    outputs[0].shape = torch.Size([1, 256, 8, 8])
	outputs[1].shape = torch.Size([1, 256, 4, 4])
	outputs[2].shape = torch.Size([1, 256, 2, 2])
	outputs[3].shape = torch.Size([1, 256, 1, 1])
	outputs[4].shape = torch.Size([1, 256, 1, 1])
	'''

  这里我手绘了一张图来展示上述参数是如何控制FPN的。

MMDet逐行代码解读之ResNet50+FPN_第1张图片

  下面逐个介绍下参数:
1)start_level=1: 是从Backbone返回的输入特征图的第二个开始也就是C4;本例中表示的是:经过ResNet的stem + layer1 + layer2之后的特征图。
2)add_extra_convs = ‘on_input’: 是在输入特征图的最后一个C6上额外在多执行几次conv。
3)num_outs=5 输出P3-P7五个特征图;其中由于start_level=1故只能由C4-C6得到P3-P5,在额外多了P6和P7。

2.2. 实现细节

 在理解了各个参数后,来看下核心代码:

2.2.1 FPN初始化部分

        self.lateral_convs = nn.ModuleList()  # C4/5/6-C4/5/6 的1*1卷积
        self.fpn_convs = nn.ModuleList()      # C4/5/6-P4/5/6 的3*3卷积
		# 遍历开始level和结束level,来往里面添加卷积核
        for i in range(self.start_level, self.backbone_end_level):
            l_conv = ConvModule(
                in_channels[i],
                out_channels,
                1,
                conv_cfg=conv_cfg,
                norm_cfg=norm_cfg if not self.no_norm_on_lateral else None,
                act_cfg=act_cfg,
                inplace=False)
            fpn_conv = ConvModule(
                out_channels,
                out_channels,
                3,
                padding=1,
                conv_cfg=conv_cfg,
                norm_cfg=norm_cfg,
                act_cfg=act_cfg,
                inplace=False)

            self.lateral_convs.append(l_conv)
            self.fpn_convs.append(fpn_conv)

2.2.2 FPN中forward部分

        # 首先经过1*1卷积得到将C3-C5特征图变成相同的通道数
        laterals = [
            lateral_conv(inputs[i + self.start_level])
            for i, lateral_conv in enumerate(self.lateral_convs)
        ]

        # 向上插值在相加
        used_backbone_levels = len(laterals)
        for i in range(used_backbone_levels - 1, 0, -1):
            if 'scale_factor' in self.upsample_cfg:
                laterals[i - 1] += F.interpolate(laterals[i],
                                                 **self.upsample_cfg)
            else:
                prev_shape = laterals[i - 1].shape[2:]
                laterals[i - 1] += F.interpolate(
                    laterals[i], size=prev_shape, **self.upsample_cfg)

        # 经过3*3卷积得到P3-P5
        # part 1: from original levels
        outs = [
            self.fpn_convs[i](laterals[i]) for i in range(used_backbone_levels)
        ]

2.2.3 额外卷积部分初始化

        # 计算需要几个额外的特征图
        extra_levels = num_outs - self.backbone_end_level + self.start_level
        if self.add_extra_convs and extra_levels >= 1:
            for i in range(extra_levels):
            	# 获取C6的特征图通道数
                if i == 0 and self.add_extra_convs == 'on_input':
                    in_channels = self.in_channels[self.backbone_end_level - 1]
                else:
                    in_channels = out_channels
                # 添加卷积
                extra_fpn_conv = ConvModule(
                    in_channels,
                    out_channels,
                    3,
                    stride=2,
                    padding=1,
                    conv_cfg=conv_cfg,
                    norm_cfg=norm_cfg,
                    act_cfg=act_cfg,
                    inplace=False)
                self.fpn_convs.append(extra_fpn_conv) # 添加到fpn里

总结

  慢慢写。若有问题欢迎+vx:wulele2541612007,拉你进群探讨交流。

你可能感兴趣的:(mmcv和mmdet源码注释版,深度学习,python,pytorch)