看SparseInst论文发现论文里有些地方没讲清楚；遂找SparseInst源码来看模型结构

我选择从推理代码来找模型结构：

经探索，在SparseInst代码里，推理需要执行代码

python demo.py --config-file configs/sparse_inst_r50_base.yaml --input datasets/coco/val2017/* --output image_results --opt MODEL.WEIGHTS sparse_inst_r50_base_ff9809.pth  INPUT.MIN_SIZE_TEST 512

查阅得知建立模型很可能在

 找到VisualizationDemo的实现：

发现关键代码在

self.predictor = DefaultPredictor(cfg)

 如此得到的self.predictor(image)可以直接接受图片，所以self.predictor就是模型网络部分。

搜索文本DefaultPredictor得知DefaultPredictor在detectron2.engine.defaults包下

 查询DefaultPredictor定义得知build_model(self.cfg)是实际用来创建模型的部分

 而build_model的定义在detectron2.modeling包下

 查找到build_model的定义如下

上方代码里的get方法会跳转到使用装饰器注册模块，这就是SparseInst的网络结构

继续向下运行，可以看到decoder的定义文件

即可查到最开始问题的答案