mmdetection源码阅读

阅读从tools/train.py开始。

功能模块

1. Register类
   位置：utils/registry.py
   用于注册起到相同作用的（例如coco/voc数据类、模型类、数据处理流程类）类别。具体功能是这样的。
   Register的__init__加载了两个属性，分别是name,module_dict.
   Register有两个主要功能函数，分别是register_module,get.
   假设我们要生成一个实例，用于注册一些数据集类。我们记这个实例为DATASET.DATASET=Register('dataset'),也就是name属性为dataset。通过使用register_module函数能够向module_dict中添加模块。例如我们可以向该实例中添加coco,voc。则module_dict={‘coco’:coco_class,'voc':voc_class}
   在mmdetection里，主要通过@修饰符的方法来使用这个类。例如在coco.py文件中首先加载DATASET实例，在coco类定义时添加@DATASETS.register_module,则coco类别被注册到DATASET实例中去了。
2. build_from_cfg函数
   位置：utils/registry.py
   输入：cfg, registry, default_args=None
   其中cfg是字典类型，一般为config文件的一部分内容；registry是Register类的一个实例。该函数主要使用registry的get功能，来得到cfg所指定的模型或数据集所对应的类（事先registry已经加载过了），然后将default_args作为该类的参数进行输出。

数据集加载

1. tain中的build_dataset用于加载数据集类（如coco、voc等）。首先调用了datasets/builder.py中build_dataset函数。在调用datasets/builder.py时，在import时对coco、voc、pipelines等都通过Register类进行了注册。 build_dataset函数则调用了build_from_cfg函数。
2. 以voc数据集为例讲一下数据集类的实现。

   # 类的构成
   torch.utils.data.Dataset -> CustomDataset -> XMLDataset -> VOCDataset
   

   查看torch.utils.data.Dataset的代码，其中提到，所有基于Dataset的类，都必须实现__getitem__方法，该方法根据给定的key能够给出相应的数据。那么在CustomDataset类中，可以看到该方法的实现：

       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中实现了两个函数，分别是load_annotations,get_ann_info,用于读取xml内容。VOCDataset中增加了self.year属性。

模型加载
build_detector用于加载模型，调用了models/builder.py中的build_detector函数。这里的加载形式与加载数据集相同，不再赘述。