regnetx_004.pycls_in1k特征图提取详解：5层特征金字塔，搭建你自己的分割与检测backbone

regnetx_004.pycls_in1k 是一个仅 5.2M 参数的轻量级 RegNetX-400MF 网络，由作者在 ImageNet-1k 上预训练。它的核心价值不止于图像分类——通过 timm 的features_only=True参数做特征图提取，它可以一次性输出5 层特征金字塔，直接充当语义分割、目标检测、实例分割任务的轻量化backbone。本文将完整讲清它的模型档案、5 层特征图的尺寸含义、以及接入 FPN / U-Net 的选型思路，适合刚接触视觉 Transformer 以外 CNN backbone 的新手阅读。

一、先看懂模型档案：5.2M 参数能做什么？

regnetx_004 出自论文Designing Network Design Spaces（RegNet 系列的最小 X 变体），模型命名中004代表约 0.4 GMACs 的算力预算，pycls_in1k表示权重来自原作者的 pycls 训练流程、训练集为 ImageNet-1k。

📌 在 timm 的模型对比表中，它的 Top-1 为 72.38%、Top-5 为 90.83%（224 输入）。作为最小的 RegNetX 之一，分类精度不是它的强项——它的定位是"够用且极快的特征提取器"。

模型元数据（输入尺寸、归一化均值/方差、首层卷积名first_conv: stem.conv、分类头名classifier: head.fc）都记录在 config.json 中，做迁移微调时非常有用。

二、5 层特征金字塔：特征图提取全流程

这是本文的重点。在 timm 中以features_only=True创建模型后，前向一次即可得到 5 个由粗到细的特征图，完整示例代码见 README.md：

model = timm.create_model('regnetx_004.pycls_in1k', pretrained=True, features_only=True) output = model(transforms(img).unsqueeze(0)) # 返回 5 个特征图的 list

以 224×224 输入为例，5 层特征金字塔如下（stride 为相对原图的下采样倍率）：

💡 规律很简单：分辨率逐层减半、通道数逐层增加。第 1 层（112×112）保留最多空间细节但语义最弱，第 5 层（7×7）语义最强但空间分辨率最低——这正是 FPN、U-Net、PSPNet 这类结构所需要的"金字塔"结构。

⚠️ 注意：5 层特征图的通道数并不连续对称（32/32/64/160/384），如果你要拼 U-Net 式解码器，需要在相邻层之间加 1×1 卷积对齐通道数。

三、为什么 regnetx_004 适合做分割/检测 backbone？

1. 轻量：5.2M 参数、0.4 GMACs，作为 backbone 只占整个下游网络的很小一部分，GPU 显存友好，适合端侧或批量推理场景。
2. 预训练语义：权重在 ImageNet-1k 上由原作者训练（MIT 协议），特征自带较强的通用视觉语义，微调收敛快。
3. timm 实现增强：根据 README.md，timm 版 RegNet 内置了随机深度（stochastic depth）、梯度检查点（gradient checkpointing）、逐层学习率衰减，以及可配置的输出步长（dilation）——最后一项对高分辨率语义分割（需要 1/4 或 1/8 全局感受野而不损失分辨率）非常关键。
4. 灵活的 head：head.fc分类头可以整体丢弃（num_classes=0），只保留特征主干，改造成本极低。

三选一：不同任务的 backbone 用法

• 🔍检测（YOLO / FPN 风格）：直接取第 3、4、5 层（28×28 / 14×14 / 7×7）作为多尺度输入，对应常见的 P3/P4/P5 感受野。
• 🧩语义分割（U-Net / DeepLab 风格）：5 层全用上，浅层特征补回空间细节，深层特征提供语义；配合out_chans参数调整每层输出通道。
• 🎯特征检索 / 度量学习：跳过特征图，直接用forward_features得到 7×7 池化前特征，再全局池化得到 384 维 embedding（见 README.md 的 Image Embeddings 一节）。

四、仓库文件说明：拿到什么、怎么用

本仓库是一个纯权重模型库（model card 见 README.md），共 4 个文件：

📦 获取方式（任选其一）：

git clone https://gitcode.com/hf_mirrors/timm/regnetx_004.pycls_in1k

或在 timm 中一行下载官方预训练权重：

import timm model = timm.create_model('regnetx_004.pycls_in1k', pretrained=True, features_only=True)

五、常见问题 FAQ

Q1：5 层特征图一定要全用吗？不必。检测任务常用最后 3 层即可；分割任务才更受益于前 2 层的高分辨率特征。按需取用可以省显存。

Q2：输入不是 224×224 会怎样？特征图尺寸按输入尺寸 / stride缩放，例如 448×448 输入会得到 224×224 → 32×32 的 5 层金字塔，比例关系不变（fixed_input_size: false，支持可变输入）。

Q3：和更大的 regnetx_008 / regnetx_016 怎么选？算力翻倍换一点精度。如果显存/速度是第一优先级选 004；如果精度优先且允许约 2 倍算力，可平滑替换为regnetx_008.pycls_in1k，特征金字塔层数与用法完全一致。

Q4：safetensors 和 pytorch_model.bin 选哪个？两者内容等价，新环境选 model.safetensors（更安全、加载更快），老环境选 pytorch_model.bin。

小结：regnetx_004.pycls_in1k 用 5.2M 参数给出了完整的 5 层特征金字塔（2×/4×/8×16×/32× 下采样），是搭建轻量分割与检测 backbone 的高性价比选择——一个features_only=True参数即可开启特征图提取之旅。