这一部分涉及到了keypoints Head技术的应用与实现过程。在第p2至p5章节中负责进行关键点头部（keypoint head）的特征提取，并逐步构建后续所需的层

也就是ROIAlign→1414256→1414512→8→1414*512这部分

首先对多个P2至P5特征图（列表中的Tensor）执行了 ROIAlign 处理。 产生了五个具有 14×14 的空间维度和 256 个通道数 的 ROI 特征图。 随后依次执行了五次卷积运算（每个操作包含乘以 8 倍大小 并施加 ReLU 激活函数）。

注意：没有7717和后面回归的部分

'''# 整体思路：先为网络定义一个Darknet类，然后里面肯定有init，foward函数，

这里还有load_weight函数，在init初始化的时候，需要将利用cfg构建一个网络框架。具体关系在forward函数中'''

#todo 1. 转换输入：根据cfg文件，先把每个block单独存储（作为字典），放到blocks（列表）当中。
#一 、 在init的时候，需要利用cfg构建网络框架。需要创建两个函数parse_cfg(cfgfile) 和 create_modules(self.blocks)

#todo 2.通过block字典中存储的信息，可以生成Module，并将其持续