MMDetection的FCOS算法fcos_head注释
由于不知道如何发布代码，复制粘贴不太好看（起码我不喜欢看，哈哈），所以笔者再次便采取截图的形式。
---------------------------------------------------------------------------------------------------------------------------
首先进行各种包的导入，这里也不能忽视，得稍微看一眼。
-----------------------------------------------------------------------------------------------------------------------
随后进行head头的注册，不了解注册机制的去看看mmdetection官网哈！在初始化阶段进行各种形参的设置。
---------------------------------------------------------------------------------------------------------------------------
这里注意下_init_layers()函数，在这里便进行调用，进行一些卷积的初始化。
---------------------------------------------------------------------------------------------------------------------
卷积初始化便是构造各种卷积，这种写法大家可以进行模仿。
------------------------------------------------------------------------------------------------------------------------
然后便是前向传播阶段，其实前向传播很简单，就是分类、回归分支，用前面构造好的卷积，一次性进行计算就好了。对了，multi_apply机制也是mmdetection很常用的，大家可以自行百度一下。
---------------------------------------------------------------------------------------------------------------------------
最复杂的loss终于来了！这里featmap_size能得到 （H W），后面会用到。-2表示最后两个。
--------------------------------------------------------------------------------------------------------------------------
因为时anchor free，所以这里不会调用get_anchor，转而调用get_points了，为的就是得到featmap上的每一个点，其实原理和anchor base一样，这里得到了很多个点。
------------------------------------------------------------------------------------------------------------------
这里我把get_points的函数拿出来，最终返回的是每个点的坐标。
---------------------------------
----------------------------------------------------------------------------------------
随后进行fcos_target得到gt_bbox的标签（这里的标签也都加了索引，代表正负样本）和bbox_targets(这个表示中心点到四条边的距离)！其实这里是文中的创新点，大家一定要仔细看。
------------------------------------------------------
这里单独拿出来， 主要算法在self.fcos_target_single。
-------------------------------------------------------------------------------------------------------------
返回的是前面提到过的label和targets！这里可能注释的不是很仔细，以后有时间我再搞搞啦，哈哈哈哈哈哈。大家有问题也可以评论。
-------------------------------------------------------------------------------------------------------------------
最难的地方已经过去了，接下来就是要计算损失了。计算损失，需要把预测的和gt均permute到相同的维度（要计算的部分维度一定要相同）
---------------------------------------------------------------------------------------------------------------
把前面的量处理好了之后，这里就是进行损失计算 。没什么好说的。
--------------------------------------------------------------------------------------------------------------------
以上，讲的主要是训练部分的代码，有空我再完善一下！大家有什么疑惑可以评论，反正是一起学习！