mmdetection backbone

### mmdetection Backbone 使用与配置

#### CSPDarknet 配置解析
在 `mmdetection` 中，YOLOX 的骨干网络被设置为 CSPDarknet。通过指定参数可以调整模型的深度和宽度因子：

backbone=dict(
    type='CSPDarknet',
    deepen_factor=0.33,
    widen_factor=0.5
),

这里的 `deepen_factor` 和 `widen_factor` 参数用于控制网络层数加深比例以及通道数增宽的比例[^1]。

#### 自定义 Backbone 替换方法
为了替换默认的骨干网，可以在配置文件中修改 `backbone` 字段来指明新的骨干网络类型及其初始化参数。例如要切换到 ResNet50 可以这样写：

model = dict(
    ...
    backbone=dict(
        _delete_=True,  # 删除原有配置项
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=-1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=False,
        style='pytorch'
    ),
    ...
)

此代码片段展示了如何将 YOLOX 默认使用的 CSPDarknet 更改为 ResNet50，并设置了必要的超参。

#### 加载预训练权重
当更换不同的骨干网络时，通常希望加载对应的 ImageNet 预训练权值以便加速收敛并提高性能。这可以通过如下方式完成：

pretrained = 'path_to_pretrained_weights.pth'  # 设置路径指向预训练模型位置
load_from = pretrained                         # 将其赋给 load_from 键

如果使用的是官方支持的标准架构，则可以直接利用内置链接下载相应版本的预训练模型；对于自定义结构则需提供本地或远程存储地址。