这是一个为初学者准备的，目标检测模型RetinaNet的实现讲解。（未完待续）
This is a tutorial (Only Chinese for now) for the Object Detection model —— RetinaNet for beginners. To be continue.
你需要：
- 了解CNN
- 了解Anchor概念
- 了解目标检测的classification以及localization模型结构
- 掌握Python编程，以及PyTorch、numpy等框架
- 最后也是最重要的，如果你比较专业（看过若干paper，看过若干code，甚至实现过若干模型），或者想要直接运行看看结果，可以去下文中提到的链接，那个代码很完备，随便跑coco哒^_^。。
看别人写的代码是件很痛苦的事（呜呜呜），因为看了很多深度学习模型的代码实现，有时我真的会很头疼。因此，我在进行模型实现时，虽然代码比较冗长、繁琐，但是可读性很强，你可以比较轻松的看出代码的意图，神经网络的结构（一些CVPR大神的代码光是看懂网络结构就要很长时间，菜是原罪啊。。）。
代码会有很多注释。
我在实现的过程中很注意模型实现的顺序，我们可以一个文件一个文件地看下去，看看怎么编码实现神经网络模型的构建，Anchor的实现，Loss的实现，训练的实现以及预测是实现。
几乎每个文件都可以单独运行，看看该文件实现的功能是什么样子的。
最后要声明一下，这个代码是我看了别人代码之后写出来的，链接在这里：https://github.com/yhenon/pytorch-retinanet ，该代码是我比较喜欢的类型，思路比较清晰，或者说是，和我对目标检测模型实现的理解比较吻合吧。如果你比较专业，或者想要直接运行，跑个coco看看结果的，你可以直接去这个链接，极力推荐！！
2020.04.08
由于疫情的关系，我被困在家里没法去学校，所以代码还没试过，但是基本的debug还是做过了的，目前就先放在这吧^_^。。等去了学校在做进一步的调整，后续也会更新讲解。。啦啦啦