如何把 wide_resnet50_2.tv2_in1k 用作特征骨干（Feature Backbone）：特征图提取完整教程

wide_resnet50_2.tv2_in1k 是 timm 生态中在 ImageNet-1k 上预训练的高性能 Wide ResNet 图像分类模型，同时也是目标检测、语义分割等下游任务中非常实用的特征骨干（Feature Backbone）。本教程面向新手，手把手教你如何用几行代码提取它的多尺度特征图，并理解每一层输出的尺寸与含义。

📦 模型速览：宽版 ResNet-50 凭什么好用？

wide_resnet50_2 采用"加宽不加深"的设计思路——在 ResNet-50 的骨干网络上将每层通道数扩大一倍，用更宽的卷积提取更丰富的特征。它的几个关键特点：

• ReLU 激活：结构直接，推理开销小
• 单层 7×7 卷积 + 池化：输入端先做一次下采样
• 1×1 卷积 shortcut 下采样：跳连中用轻量卷积完成通道与分辨率对齐

核心指标一览（详见 README.md#L21-L31）：

指标	数值
参数量	68.9M
计算量	7.3 GMACs
训练 / 测试输入尺寸	176×176 / 224×224
Top-1 准确率（224）	81.61%
推理速度	1930 img/sec

💡 在同参数量的模型中，它以不到 10 GMACs 的计算量跑出了 81%+ 的 Top-1 准确率，是"精度-速度"平衡非常出色的特征提取器。

🔍 什么是特征骨干模式？features_only 参数详解

默认情况下，ResNet 的完整前向流程是：

卷积骨干 → 全局平均池化 → 全连接分类头 → 1000 类 logits

而做检测、分割时，我们不需要最后那个"分类头"，需要的是骨干网络逐层输出的多尺度特征图（Feature Pyramid）。timm 只需用一个参数就能切换模式：

features_only=True

设置后，模型会跳过池化和分类层，前向时直接返回 5 张特征图，从高分辨率低层到高语义高层，正好对应特征金字塔的 5 个阶段。

🚀 特征图提取：三步走完整步骤

以下是完整的最小可用示例（完整版见 README.md#L56-L89）：

import timm
from PIL import Image
from urllib.request import urlopen

# 第 1 步：以特征骨干模式加载预训练模型
model = timm.create_model(
    'wide_resnet50_2.tv2_in1k',
    pretrained=True,
    features_only=True,   # 关键参数：只输出特征图
)
model = model.eval()

# 第 2 步：构建与模型匹配的数据增强（resize + 归一化）
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

# 第 3 步：前向推理，直接得到特征图列表
img = Image.open(urlopen('https://example.com/cat.png'))
output = model(transforms(img).unsqueeze(0))

for o in output:
    print(o.shape)

运行后你会得到这样一组输出：

特征层	形状（batch=1）	空间分辨率	说明
第 1 层	[1, 64, 88, 88]	88×88	边缘、纹理等底层特征
第 2 层	[1, 256, 44, 44]	44×44	局部结构
第 3 层	[1, 512, 22, 22]	22×22	部件级特征
第 4 层	[1, 1024, 11, 11]	11×11	语义信息增强
第 5 层	[1, 2048, 6, 6]	6×6	高层语义，通道数最多

📌 注意空间分辨率从 88 逐步降到 6，是输入 224×224 经 4 次 2 倍下采样的结果；通道数则从 64 逐层翻倍到 2048。

🧩 三种输出模式怎么选？

timm 提供了三种典型用法，按需切换即可：

使用场景	加载方式	前向输出	典型任务
特征骨干	features_only=True	5 张特征图	检测、分割
图像嵌入	num_classes=0	(1, 2048) 向量	检索、相似度
图像分类	默认	1000 维 logits	图像分类

如果只需单个特征向量做图像检索，也可以用等价写法：先 forward_features() 拿到未池化的 (1, 2048, 6, 6)，再 forward_head(..., pre_logits=True) 完成池化，得到 2048 维向量（参考 README.md#L91-L121）。

⚙️ 数据预处理：归一化参数从哪里来？

timm 模型会自动解析数据配置，但了解底层参数有助于排查问题。本模型的预处理配置记录在 config.json 中：

• 均值 mean：[0.485, 0.456, 0.406]（标准 ImageNet 均值）
• 标准差 std：[0.229, 0.224, 0.225]
• 插值方式：bilinear
• 是否固定输入尺寸：false（即不强制 224，可按需调整）

fixed_input_size 为 false 意味着你可以喂入任意尺寸的图片，只是推荐保持 224 的倍数以获得最佳精度。

💡 常见问题 FAQ

Q1：预训练权重如何获取？

通过 pretrained=True 会自动下载；也可以直接使用本仓库内的本地权重文件 model.safetensors 或 pytorch_model.bin，通过 pretrained='./model.safetensors' 指定路径加载，避免重复下载。

Q2：为什么我的特征图尺寸和表里不一样？

特征图空间尺寸 = 输入尺寸 ÷ 下采样倍数。输入 224×224 时输出 88/44/22/11/6；输入 176×176（训练尺寸）时会按同比例缩小。

Q3：特征骨干可以微调吗？

可以。提取出 5 层特征图后，接上 FPN、检测头或分割解码器，对骨干部分做低学习率微调，是目标检测和语义分割的标准做法。

✅ 小结

• 用 features_only=True 一行参数即可把 wide_resnet50_2.tv2_in1k 切换为特征骨干模式
• 前向输出 5 张特征图，空间分辨率 88→6，通道数 64→2048
• 预处理均值/标准差等配置可从 config.json 查看，fixed_input_size=false 支持可变输入尺寸
• 模型完整说明与示例代码见 README.md

掌握以上内容，你就能把这个 81.61% Top-1 的预训练模型变成自己检测、分割项目的"特征提取引擎"了 🎯