Detectron2 阅读学习-工程目录分解-持续更新

Detectron2 :

tutorials : detectron2.readthedocs.io/en/latest/t…

github : github.com/facebookres…

工程目录：

• demo 下面是基于pretrained model的推理脚本，输入可以是图片和视频，输出可返回可视化结果

  • predictor.py 负责调用推理器DefaultPredictor和可视化工具，同时包含并行化推理的封装类AsyncPredictor

• tools 是训练和测试的入口

  • train_net.py / plain_train_net.py（简化版） 配合configs训练各类模型

  ./train_net.py --num-gpus 8 \
  --config-fil ../configs/COCOInstanceSegmentation/mask_rcnn_R_50_FPN_1x.yaml
  

  • README.md 里说明了该目录下各个脚本的用途和用法，包括训练、速度测试、模型参数量计算量分析、可视化等

  • deploy目录

• 子目录detectron2

  • 核心组件均在此目录下，可被调用，包括但不限于：
    • 优化器
    • 模型结构
    • 数据供给模块
    • 模型存储加载
  • modeling/meta_arch :
    • META_ARCH_REGISTRY：

  算法名	注册的class	备注
  rcnn	class GeneralizedRCNN(nn.Module)	two-stage检测
  retinanet	class RetinaNet(nn.Module)	one-stage检测
  panoptic_fpn	class PanopticFPN(GeneralizedRCNN)	全景分割
  semantic_seg	class SemanticSegmentor(nn.Module)	语义分割

  Registry类 import 自fvcore模块，用于提供注册机制，便于用户自行添加和使用对应的模型，
  具体的注册使用方法见
  https://github.com/facebookresearch/fvcore/blob/master/fvcore/common/registry.py
  简单来说其提供register()方法作为装饰器来注册其他类模块，并利用get()方法获取注册表中的方法，用户在自定义模块后可直接利用装饰器来注册，eg:
  create registry:
      BACKBONE_REGISTRY = Registry("BACKBONE")
  register an object:
      @BACKBONE_REGISTRY.register()#注意这里带了括号
      class BackboneName():
          ...
  get the object:
      model = BACKBONE_REGISTRY.get('BackboneName')(cfg)
  

  • modeling/backbone

    • BACKBONE_REGISTRY