rotated faster rcnn
文章目录
下面的图片没有画完，只花了roi_head.forward部分，但是代码分析是全的
总结一下从rpn开始一直沿用的是hbb，一直到bbox_head才预测了shape为n，5的结果
然后通过loss来学习。
但是p2rb需要用的是旋转的roi_extractor提取方式
所以准备再看一遍oriented_rcnn
img
extract_feat
rpn_head.forward_train
roi_head.forward_train
loss
roi_head.forward_train
assigner
sampler
bbox_forward_train
self.bbox_forward_train
bbox2roi
_bbox_forward
get_targets
bbox_head.loss
_bbox_forward
bbox_roi_extractor
bbox_head
cls_score,bbox_pred
bbox_head
4_3_2_2_
rpn_head.forward_train
训练
; rpn_head.forward_train
但在这之前必须经历outs=self(x)，也就是rpn_head.forward部分
可以看到loss和props是分别self.loss self.get_bboxes获得的。
rpn_head.forward
forward–>forward_single所以下面直接分析forward_single
可以看到forward_single非常简单，直接卷积层获得两个–>得分和bbox
feat_channels默认256，如下是rpn_reg和rpn_cls的定义，下面被我的id挡住的是
(self.feat_channels, self.num_anchors _4 , 1)
; rpn_head.loss
下面三个函数共同组成了rpn_head.loss
self.get_anchors
self.get_targets
self.loss_single
也很好理解，毕竟是anchor-based，会根据cfg生成anchor
又会把每一个anchor做一个和gt的匹配
然后再利用bbox_preds, cls_scores计算损失,前面两个部分实际上不会传入bbox_preds, cls_scores
因为没有旋转框，所以和mmdetection的应该无异
rpn_head.get_bboxes
包含两个部分：
self.anchor_genertor.grid_priors(featmap_sizes,device)
get_bboxes_single
从下图可以看到，生成了许许多多的anchors
下面展示以下get_bboxes_single的cfg部分
这里0-3层会保留得分前2000所对应的框
而4层（也就是第五层）会保留所有框
对于这一共8768个框，会使用torch.cat把list5得到tensor 8768,4
下面的代码有三个部分：
torch.cat把所有层的prop整合在一起
decode把所有框的xyxy表达出来
nms对8768个框做一个筛选（保留了3000多个框，可见框与框之间重复的挺严重的，keep是保留的框的id，但是下面的roi其实用不到，所以不用往下传了）
所以—nms到底在哪一步使用了，终于搞懂了！
然后由于cfg里面有一个键值叫max_per_img=2000所以最终nms之后保留前2000个框。至此结束get_bboxes
其实并没有结束，注意它会把每个batch里面的每一个图片单独作一次，最后返回的是一个result_list
; roi_head.forward_train()
调用assigner和sampler
之后bbox_forward_train()，这个函数是roi_head.forward_train()的主体
bbox_forward_train
这张图片是函数的输入，下面的图片是函数主体
函数主体，可以看到包含
bbox2roi这个部分只是给box加一个id
得到1024, 5 这里5的第一个是img_id
_bbox_forward显然这一部分的内容是比较多的
get_targers
; _bbox_forward(x, rois)
这里roi_extractor只是利用rois获得，虽然x有5层，这里只利用了前四层
得到1024 256 7 7，这就是roi的具体输出
所以256 7 7 就可以送入全连接层，是的
with_shared_head=False
self.bbox_head(bbox_feats)显然是最重要的部分
下面这张图片展示了bbox_head的主体
所以bbox_head就是使用了flatten之后，两个共享全连接层，然后分别使用两个并列的全连接层获取cls_scores和bbox_pred
所以即使bbox_pred输出五个维度，’并且第五个维度应该是角度，这里可以看到它实际上并没有作任何限制。
下图展示了bbox_forward最终返回的字典内容。
bbox_head.get_targetes
可以看到主要是调用了get_target_single()
调用single之前，先从sample result中读取了正负例和gt
下面输出的labels中，如果15是背景的意思，而0-14是前景，这里会把正例放前面，负例放在后面，负例只有分类损失。
这里的bbox_targets虽然是512,5但是里面所有的负例对应的行都为0，并且weights也为0，不会参与运算。
其实一个不那么显然的部分就是bbox_targets，它对于正例的具体数值到底是多少呢？
其实是deltaXYWHA的编码方式得到的。（起码需要知道，输入第一个是xyxy，而gt是cxcywha，即下面的pos_bboxes,pos_gt_bboxes）
说明白了get_targets返回的是什么，就可以进入最后的loss阶段，可以发现get_targets就是为了计算loss服务的，并且encode之后不需要decode因为不需要输出。
; bbox_head.loss
从配置可见端倪。
这里的pos_bbox_pred实际上是前_bbox_forward(x, rois)的输出的一部分
这里实际上没有在具体的预测角度，而是encoder之后的结果，并且用此来训练
然后bbox_targets实际上是前面bbox_head.get_targets的结果。
测试
Original: https://blog.csdn.net/fei_YuHuo/article/details/125649112
Author: 光明-LFTG
Title: Rotated_Faster_Rcnn
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/683073/
转载文章受原作者版权保护。转载请注明原作者出处！