mmdetection源碼閱讀

閱讀從tools/train.py開始。

功能模塊

1. Register類
   位置：utils/registry.py
   用於註冊起到相同作用的（例如coco/voc數據類、模型類、數據處理流程類）類別。具體功能是這樣的。
   Register的__init__加載了兩個屬性，分別是name,module_dict.
   Register有兩個主要功能函數，分別是register_module,get.
   假設我們要生成一個實例，用於註冊一些數據集類。我們記這個實例爲DATASET.DATASET=Register('dataset'),也就是name屬性爲dataset。通過使用register_module函數能夠向module_dict中添加模塊。例如我們可以向該實例中添加coco,voc。則module_dict={‘coco’:coco_class,'voc':voc_class}
   在mmdetection裏，主要通過@修飾符的方法來使用這個類。例如在coco.py文件中首先加載DATASET實例，在coco類定義時添加@DATASETS.register_module,則coco類別被註冊到DATASET實例中去了。
2. build_from_cfg函數
   位置：utils/registry.py
   輸入：cfg, registry, default_args=None
   其中cfg是字典類型，一般爲config文件的一部分內容；registry是Register類的一個實例。該函數主要使用registry的get功能，來得到cfg所指定的模型或數據集所對應的類（事先registry已經加載過了），然後將default_args作爲該類的參數進行輸出。

數據集加載

1. tain中的build_dataset用於加載數據集類（如coco、voc等）。首先調用了datasets/builder.py中build_dataset函數。在調用datasets/builder.py時，在import時對coco、voc、pipelines等都通過Register類進行了註冊。 build_dataset函數則調用了build_from_cfg函數。
2. 以voc數據集爲例講一下數據集類的實現。

   # 類的構成
   torch.utils.data.Dataset -> CustomDataset -> XMLDataset -> VOCDataset
   

   查看torch.utils.data.Dataset的代碼，其中提到，所有基於Dataset的類，都必須實現__getitem__方法，該方法根據給定的key能夠給出相應的數據。那麼在CustomDataset類中，可以看到該方法的實現：

       def __getitem__(self, idx):
           if self.test_mode:
               return self.prepare_test_img(idx)
           while True:
               data = self.prepare_train_img(idx)
               if data is None:
                   idx = self._rand_another(idx)
                   continue
               return data
   

   XMLDataset中實現了兩個函數，分別是load_annotations,get_ann_info,用於讀取xml內容。VOCDataset中增加了self.year屬性。

模型加載
build_detector用於加載模型，調用了models/builder.py中的build_detector函數。這裏的加載形式與加載數據集相同，不再贅述。