yoloV3代码详解（注释）

川长思鸟来 2023-02-23 05:05 3阅读 0赞

原文链接:[https://www.cnblogs.com/hujinzhou/p/guobao\_2020\_3\_13.html][https_www.cnblogs.com_hujinzhou_p_guobao_2020_3_13.html]

#  #

[ yolo3各部分代码详解（超详细） ][https_www.cnblogs.com_hujinzhou_p_guobao_2020_3_13.html]

</h1>
            <div class="clear"></div>
            <div class="postBody">
                
    <div id="cnblogs_post_description" style="display: none">
        yolo3各部分代码详解（超详细）,各个函数的解析
    </div>

0.摘要

最近一段时间在学习yolo3，看了很多博客，理解了一些理论知识，但是学起来还是有些吃力，之后看了源码，才有了更进一步的理解。在这里，我不在赘述网络方面的代码，网络方面的代码比较容易理解，下面将给出整个yolo3代码的详解解析，整个源码中函数的作用以及调用关系见下图：

![1770242-20200313184011349-1865143991.png][]

参考：[https://blog.csdn.net/weixin\_41943311/article/details/95672137?depth\_1-utm\_source=distribute.pc\_relevant.none-task&utm\_source=distribute.pc\_relevant.none-task][https_blog.csdn.net_weixin_41943311_article_details_95672137_depth_1-utm_source_distribute.pc_relevant.none-task_utm_source_distribute.pc_relevant.none-task]

1.model.py

1.1 yolo\_head()

yolo\_head()函数的输入是Darknet53的最后输出的三个特征图feats，anchors，num\_class,input\_shpe，此函数的功能是将特征图的进行解码，这一步极为重要，如其中一个特征图的shape是（13,13,255），其实质就是对应着（13,13,3,85）,分别对应着13\*13个网格，每个网格3个anchors，85=（x，y，w，h，confident）,此时box的xy是相对于网格的偏移量，所以还需要经过一些列的处理，处理方式见下图：

![1770242-20200313170307526-2023556790.png][]

![1770242-20200313170335168-754994880.png][]

![复制代码][Image 1]

def yolo_head(feats, anchors, num_classes, input_shape, calc_loss=False):
        """Convert final layer features to bounding box parameters."""
        num_anchors = len(anchors)#num_anchors=3
        # Reshape to batch, height, width, num_anchors, box_params.
        anchors_tensor = K.reshape(K.constant(anchors), [1, 1, 1, num_anchors, 2])
        #anchors=anchors[anchors_mask[1]]=anchors[[6,7,8]]= [116,90],  [156,198],  [373,326]
        """#通过arange、reshape、tile的组合，根据grid_shape(13x13、26x26或52x52）创建y轴的0~N-1的组合grid_y，再创建x轴的0~N-1的组合grid_x，将两者拼接concatenate，形成NxN的grid(13x13、26x26或52x52）"""
        grid_shape = K.shape(feats)[1:3] # height, width,#13x13或26x26或52x52
        grid_y = K.tile(K.reshape(K.arange(0, stop=grid_shape[0]), [-1, 1, 1, 1]),
            [1, grid_shape[1], 1, 1])
        grid_x = K.tile(K.reshape(K.arange(0, stop=grid_shape[1]), [1, -1, 1, 1]),
            [grid_shape[0], 1, 1, 1])
        grid = K.concatenate([grid_x, grid_y])
        grid = K.cast(grid, K.dtype(feats))
        #cast函数用法：cast(x, dtype, name=None)，x:待转换的张量，type：需要转换成什么类型
        """grid形式：（0,0），（0,1），（0,2）......(1,0),(1,1).....(12,12)"""
        feats = K.reshape(
            feats, [-1, grid_shape[0], grid_shape[1], num_anchors, num_classes + 5])
        """(batch_size,13,13,3,85)"""
        "此时的xy为中心坐标，相对于左上角的中心坐标"
     <span style="color: #008000;">#</span><span style="color: #008000;"> Adjust preditions to each spatial grid point and anchor size.</span>
    <span style="color: #800000;">"""</span><span style="color: #800000;">将预测值调整为真实值</span><span style="color: #800000;">"""</span>
    <span style="color: #800000;">"</span><span style="color: #800000;">将中心点相对于网格的坐标转换成在整张图片中的坐标，相对于13/26/52的相对坐标</span><span style="color: #800000;">"</span>
    <span style="color: #800000;">"</span><span style="color: #800000;">将wh转换成预测框的wh，并处以416归一化</span><span style="color: #800000;">"</span><span style="color: #000000;">
    box_xy </span>= (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))<span style="color: #008000;">#</span><span style="color: #008000;">实际上就是除以13或26或52</span>
    <span style="color: #008000;">#</span><span style="color: #008000;">box_xy = (K.sigmoid(feats[:,:,:,:2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))</span>
    <span style="color: #008000;">#</span><span style="color: #008000;"> ...操作符，在Python中，“...”(ellipsis)操作符，表示其他维度不变，只操作最前或最后1维；</span>
    box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1<span style="color: #000000;">], K.dtype(feats))
    box_confidence </span>= K.sigmoid(feats[..., 4:5<span style="color: #000000;">])
    box_class_probs </span>= K.sigmoid(feats[..., 5<span style="color: #000000;">:])
    </span><span style="color: #008000;">#</span><span style="color: #008000;">切片省略号的用法，省略前面左右的冒号，参考博客：https://blog.csdn.net/z13653662052/article/details/78010654?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task</span>
    
    <span style="color: #0000ff;">if</span> calc_loss ==<span style="color: #000000;"> True:
        </span><span style="color: #0000ff;">return</span><span style="color: #000000;"> grid, feats, box_xy, box_wh
    </span><span style="color: #0000ff;">return</span><span style="color: #000000;"> box_xy, box_wh, box_confidence, box_class_probs
    </span><span style="color: #008000;">#</span><span style="color: #008000;">预测框相对于整张图片中心点的坐标与预测框的wh</span></pre>

![复制代码][Image 1]

1.2 yolo\_correct\_box()

此函数的功能是将yolo\_head()输出，也即是box相对于整张图片的中心坐标转换成box的左上角右下角的坐标

![复制代码][Image 1]

1 def yolo_correct_boxes(box_xy, box_wh, input_shape, image_shape):
     2     '''Get corrected boxes'''
     3     '''对上面函数输出的预测的坐标进行修正
     4     比如
     5     image_shape
     6     为[600，800]，input_shape
     7     为[300, 500]，那么
     8     new_shape
     9     为[300, 400]
    10 
    11     offset
    12     为[0, 0.125]
    13     scales
    14     为[0.5, 0.625]'''
    15 
    16 
    17     # 将box_xy, box_wh转换为输入图片上的真实坐标，输出boxes是框的左下、右上两个坐标(y_min, x_min, y_max, x_max)
    18     # ...操作符，在Python中，“...”(ellipsis)操作符，表示其他维度不变，只操作最前或最后1维；
    19     # np.array[i:j:s]，当s<0时，i缺省时，默认为-1；j缺省时，默认为-len(a)-1；所以array[::-1]相当于array[-1:-len(a)-1:-1]，也就是从最后一个元素到第一个元素复制一遍，即倒序
    20     box_yx = box_xy[..., ::-1]#将xy坐标进行交换，反序（y，x）
    21     box_hw = box_wh[..., ::-1]
    22     input_shape = K.cast(input_shape, K.dtype(box_yx))
    23     image_shape = K.cast(image_shape, K.dtype(box_yx))
    24     new_shape = K.round(image_shape * K.min(input_shape/image_shape))
    25     #.round用于取近似值，保留几位小数，第一个参数是一个浮点数，第二个参数是保留的小数位数，可选，如果不写的话默认保留到整数
    26     offset = (input_shape-new_shape)/2./input_shape
    27     scale = input_shape/new_shape
    28     box_yx = (box_yx - offset) * scale
    29     box_hw *= scale
    30     """获得预测框的左上角与右下角的坐标"""
    31     box_mins = box_yx - (box_hw / 2.)
    32     box_maxes = box_yx + (box_hw / 2.)
    33     boxes =  K.concatenate([
    34         box_mins[..., 0:1],  # y_min
    35         box_mins[..., 1:2],  # x_min
    36         box_maxes[..., 0:1],  # y_max
    37         box_maxes[..., 1:2]  # x_max
    38     ])#...操作符，在Python中，“...”(ellipsis)操作符，表示其他维度不变，只操作最前或最后1维；
    39 
    40     # Scale boxes back to original image shape.
    41     boxes *= K.concatenate([image_shape, image_shape])
    42     return boxes#得到预测框的左下角坐标与右上角坐标

![复制代码][Image 1]

1.3 yolo\_box\_and\_score

获得box与得分

![复制代码][Image 1]

1 def yolo_boxes_and_scores(feats, anchors, num_classes, input_shape, image_shape):
    2     '''Process Conv layer output'''
    3     box_xy, box_wh, box_confidence, box_class_probs = yolo_head(feats,
    4         anchors, num_classes, input_shape)
    5     boxes = yolo_correct_boxes(box_xy, box_wh, input_shape, image_shape)
    6     boxes = K.reshape(boxes, [-1, 4])#reshape,将不同网格的值转换为框的列表。即（?,13,13,3,4）->(?,4)  ？：框的数目
    7     box_scores = box_confidence * box_class_probs
    8     box_scores = K.reshape(box_scores, [-1, num_classes])#reshape,将框的得分展平，变为(?,80); ?:框的数目
    9     return boxes, box_scores#返回预测框的左下角与右上角的坐标与得分

![复制代码][Image 1]

1.4  yolo\_eval()

此函数的作用是删除冗余框，保留最优框，用到非极大值抑制算法

![复制代码][Image 1]

1 def yolo_eval(yolo_outputs,
     2               anchors,
     3               num_classes,
     4               image_shape,
     5               max_boxes=20,
     6               score_threshold=.6,
     7               iou_threshold=.5):
     8     """Evaluate YOLO model on given input and return filtered boxes."""
     9     """      yolo_outputs        #模型输出，格式如下【（?，13,13,255）（?，26,26,255）（?,52,52,255）】 ?:bitch size; 13-26-52:多尺度预测； 255：预测值（3*（80+5））
    10               anchors,            #[(10,13), (16,30), (33,23), (30,61), (62,45), (59,119), (116,90), (156,198),(373,326)]
    11               num_classes,　　　　 # 类别个数，coco集80类
    12               image_shape,        #placeholder类型的TF参数，默认(416, 416)；
    13               max_boxes=20,       #每张图每类最多检测到20个框同类别框的IoU阈值，大于阈值的重叠框被删除，重叠物体较多，则调高阈值，重叠物体较少，则调低阈值
    14               score_threshold=.6, #框置信度阈值，小于阈值的框被删除，需要的框较多，则调低阈值，需要的框较少，则调高阈值；
    15               iou_threshold=.5):  #同类别框的IoU阈值，大于阈值的重叠框被删除，重叠物体较多，则调高阈值，重叠物体较少，则调低阈值"""
    16     num_layers = len(yolo_outputs)# #yolo的输出层数；num_layers = 3  -> 13-26-52
    17     anchor_mask = [[6,7,8], [3,4,5], [0,1,2]] if num_layers==3 else [[3,4,5], [1,2,3]] # default setting
    18     # 每层分配3个anchor box.如13*13分配到[6,7,8]即[（116,90）（156,198）（373,326）]
    19     input_shape = K.shape(yolo_outputs[0])[1:3] * 32
    20     # 输入shape(?,13,13,255);即第一维和第二维分别*32  ->13*32=416; input_shape:(416,416)
    21     #yolo_outputs=[(batch_size，13,13,255)，(batch_size，26,26,255)，(batch_size，52,52,255)]
    22     #input_shape=416*416
    23     boxes = []
    24     box_scores = []
    25     for l in range(num_layers):
    26         _boxes, _box_scores = yolo_boxes_and_scores(yolo_outputs[l],
    27             anchors[anchor_mask[l]], num_classes, input_shape, image_shape)
    28         boxes.append(_boxes)
    29         box_scores.append(_box_scores)
    30     boxes = K.concatenate(boxes, axis=0)
    31     box_scores = K.concatenate(box_scores, axis=0) #K.concatenate:将数据展平 ->(?,4)
    32 
    33     #可能会产生很多个预选框，需要经过（1）阈值的删选，（2）非极大值抑制的删选
    34     mask = box_scores >= score_threshold#得分大于置信度为True,否则为Flase
    35     max_boxes_tensor = K.constant(max_boxes, dtype='int32')
    36     boxes_ = []
    37     scores_ = []
    38     classes_ = []
    39     """
    40     # ---------------------------------------#
    41     #   1、取出每一类得分大于score_threshold
    42     #   的框和得分
    43     #   2、对得分进行非极大抑制
    44     # ---------------------------------------#
    45     # 对每一个类进行判断"""
    46     for c in range(num_classes):
    47         # TODO: use keras backend instead of tf.
    48         class_boxes = tf.boolean_mask(boxes, mask[:, c])#将输入的数组挑出想要的数据输出，将得分大于阈值的坐标挑选出来
    49         #将第c类中得分大于阈值的坐标挑选出来
    50         class_box_scores = tf.boolean_mask(box_scores[:, c], mask[:, c])
    51         # 将第c类中得分大于阈值的框挑选出来
    52         """非极大值抑制部分"""
    53         # 非极大抑制，去掉box重合程度高的那一些
    54         """原理：(1)从最大概率矩形框F开始，分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;
    55 
    56                 (2)假设B、D与F的重叠度超过阈值，那么就扔掉B、D；并标记第一个矩形框F，是我们保留下来的。
    57 
    58                 (3)从剩下的矩形框A、C、E中，选择概率最大的E，然后判断E与A、C的重叠度，重叠度大于一定的阈值，那么就扔掉；并标记E是我们保留下来的第二个矩形框。
    59 
    60                 就这样一直重复，找到所有被保留下来的矩形框。"""
    61         nms_index = tf.image.non_max_suppression(
    62             class_boxes, class_box_scores, max_boxes_tensor, iou_threshold=iou_threshold)
    63         class_boxes = K.gather(class_boxes, nms_index)
    64         class_box_scores = K.gather(class_box_scores, nms_index)
    65         classes = K.ones_like(class_box_scores, 'int32') * c#将class_box_scores中的数变成1
    66         boxes_.append(class_boxes)
    67         scores_.append(class_box_scores)
    68         classes_.append(classes)
    69     boxes_ = K.concatenate(boxes_, axis=0)
    70     scores_ = K.concatenate(scores_, axis=0)
    71     classes_ = K.concatenate(classes_, axis=0)
    72     #return 经过非极大值抑制保留下来的一个框
    73 
    74     return boxes_, scores_, classes_

![复制代码][Image 1]

1.5  preprocess\_true\_box()

![复制代码][Image 1]

1 def preprocess_true_boxes(true_boxes, input_shape, anchors, num_classes):
      2     '''
      3     在preprocess_true_boxes中，输入：
      4 
      5     true_boxes：检测框，批次数16，最大框数20，每个框5个值，4个边界点和1个类别序号，如(16, 20, 5)；
      6     input_shape：图片尺寸，如(416, 416)；
      7     anchors：anchor box列表；
      8     num_classes：类别的数量；
      9     Preprocess true boxes to training input format
     10 
     11     Parameters
     12     ----------
     13     true_boxes: array, shape=(m, T, 5)
     14         Absolute x_min, y_min, x_max, y_max, class_id relative to input_shape.
     15     input_shape: array-like, hw, multiples of 32
     16     anchors: array, shape=(N, 2), wh
     17     num_classes: integer
     18 
     19     Returns
     20     -------
     21     y_true: list of array, shape like yolo_outputs, xywh are reletive value
     22 
     23     '''
     24     # 检查有无异常数据 即txt提供的box id 是否存在大于 num_class的情况
     25     # true_boxes.shape  = (图片张数，每张图片box个数，5)（5是左上右下点坐标加上类别下标）
     26     assert (true_boxes[..., 4]<num_classes).all(), 'class id must be less than num_classes'
     27     num_layers = len(anchors)//3 # default setting
     28     anchor_mask = [[6,7,8], [3,4,5], [0,1,2]] if num_layers==3 else [[3,4,5], [1,2,3]]
     29 
     30     true_boxes = np.array(true_boxes, dtype='float32')
     31     input_shape = np.array(input_shape, dtype='int32')    # [416 416] shape(2,)
     32     # 将每个box的左上点和右下点坐标相加除2，即取中点！
     33     """计算true_boxes：
     34 
     35        true_boxes：真值框，左上和右下2个坐标值和1个类别，如[184, 299, 191, 310, 0.0]，结构是(16, 20, 5)，16是批次数，20是框的最大数，5是框的5个值；
     36        boxes_xy：xy是box的中心点，结构是(16, 20, 2)；
     37        boxes_wh：wh是box的宽和高，结构也是(16, 20, 2)；
     38        input_shape：输入尺寸416x416；
     39        true_boxes：第0和1位设置为xy，除以416，归一化，第2和3位设置为wh，除以416，归一化，如[0.449, 0.730, 0.016, 0.026, 0.0]。"""
     40     boxes_xy = (true_boxes[..., 0:2] + true_boxes[..., 2:4]) // 2
     41     # 得到box宽高
     42     boxes_wh = true_boxes[..., 2:4] - true_boxes[..., 0:2]
     43     # 中心坐标 和 宽高 都变成 相对于input_shape的比例
     44     true_boxes[..., 0:2] = boxes_xy/input_shape[::-1]
     45     true_boxes[..., 2:4] = boxes_wh/input_shape[::-1]
     46     # 这个m应该是batch的大小 即是输入图片的数量
     47     m = true_boxes.shape[0]
     48     # grid_shape [13,13 ]   [26,26]  [52,52]
     49     grid_shapes = [input_shape//{0:32, 1:16, 2:8}[l] for l in range(num_layers)]
     50     #y_true是全0矩阵（np.zeros）列表，即[(16,13,13,3,6), (16,26,26,3,6), (16,52,52,3,6)]
     51     y_true = [np.zeros((m,grid_shapes[l][0],grid_shapes[l][1],len(anchor_mask[l]),5+num_classes),
     52         dtype='float32') for l in range(num_layers)]
     53     # y_true  m*13*13*3*(5+num_clasess)
     54     #         m*26*26*3*(5+num_classes)
     55     #         m*52*52*3*(5+num_classes)
     56     # Expand dim to apply broadcasting.
     57 
     58     # Expand dim to apply broadcasting.
     59     #在原先axis出添加一个维度,由(9,2)转为(1,9,2)
     60     anchors = np.expand_dims(anchors, 0)
     61     # 网格中心为原点（即网格中心坐标为 （0,0） ）,　计算出anchor 右下角坐标
     62     anchor_maxes = anchors / 2.
     63     #计算出左上标
     64     anchor_mins = -anchor_maxes
     65     # 去掉异常数据
     66     valid_mask = boxes_wh[..., 0]>0
     67 
     68     for b in range(m):
     69         # Discard zero rows.
     70         wh = boxes_wh[b, valid_mask[b]]
     71         if len(wh)==0: continue
     72         # Expand dim to apply broadcasting.
     73         wh = np.expand_dims(wh, -2)
     74         box_maxes = wh / 2.
     75         box_mins = -box_maxes
     76         # # 假设　bouding box 的中心也位于网格的中心
     77 
     78         """计算标注框box与anchor box的iou值，计算方式很巧妙：
     79 
     80         box_mins的shape是(7,1,2)，anchor_mins的shape是(1,9,2)，intersect_mins的shape是(7,9,2)，即两两组合的值；
     81         intersect_area的shape是(7,9)；
     82         box_area的shape是(7,1)；
     83         anchor_area的shape是(1,9)；
     84         iou的shape是(7,9)；
     85         IoU数据，即anchor box与检测框box，两两匹配的iou值"""
     86         intersect_mins = np.maximum(box_mins, anchor_mins)#逐位比较
     87         intersect_maxes = np.minimum(box_maxes, anchor_maxes)
     88         intersect_wh = np.maximum(intersect_maxes - intersect_mins, 0.)
     89         intersect_area = intersect_wh[..., 0] * intersect_wh[..., 1]#宽*高
     90         box_area = wh[..., 0] * wh[..., 1]
     91         anchor_area = anchors[..., 0] * anchors[..., 1]
     92         iou = intersect_area / (box_area + anchor_area - intersect_area)
     93 
     94         # Find best anchor for each true box
     95         best_anchor = np.argmax(iou, axis=-1)
     96 
     97         """设置y_true的值：
     98 
     99            t是box的序号；n是最优anchor的序号；l是层号；
    100            如果最优anchor在层l中，则设置其中的值，否则默认为0；
    101            true_boxes是(16, 20, 5)，即批次、box数、框值；
    102            true_boxes[b, t, 0]，其中b是批次序号、t是box序号，第0位是x，第1位是y；
    103            grid_shapes是3个检测图的尺寸，将归一化的值，与框长宽相乘，恢复为具体值；
    104            k是在anchor box中的序号；
    105            c是类别，true_boxes的第4位；
    106            将xy和wh放入y_true中，将y_true的第4位框的置信度设为1，将y_true第5~n位的类别设为1；"""
    107         for t, n in enumerate(best_anchor):
    108             # 遍历anchor 尺寸 3个尺寸
    109             # 因为此时box 已经和一个anchor box匹配上，看这个anchor box属于那一层，小，中，大，然后将其box分配到那一层
    110             for l in range(num_layers):
    111                 if n in anchor_mask[l]:
    112                     #因为grid_shape格式是hw所以是x*grid_shapes[l][1]=x*w，求出对应所在网格的横坐标，这里的x是相对于整张图片的相对坐标，
    113                     # 是在原先坐标上除以了w，所以现在要乘以w
    114                     i = np.floor(true_boxes[b,t,0]*grid_shapes[l][1]).astype('int32')
    115                     #np.around 四舍五入
    116                     #np.floor向下取整
    117                     #np.ceil向上取整
    118                     #np.where条件选取
    119                     # np.floor 返回不大于输入参数的最大整数。 即对于输入值 x ，将返回最大的整数 i ，使得 i <= x。
    120                     # true_boxes x,y,w,h, 此时x y w h都是相对于整张图像的
    121                     # 第b个图像 第 t个 bounding box的 x 乘以 第l个grid shap的x（grid shape 格式是hw，
    122                     # 因为input_shape格式是hw）
    123                     # 找到这个bounding box落在哪个cell的中心
    124                     #i，j是所在网格的位置
    125                     j = np.floor(true_boxes[b,t,1]*grid_shapes[l][0]).astype('int32')
    126                     # 找到n 在 anchor_box的索引位置
    127                     k = anchor_mask[l].index(n)
    128                     # 得到box的id
    129                     c = true_boxes[b,t, 4].astype('int32')
    130                     # 第b个图像 第j行 i列 第k个anchor x，y，w，h,confindence,类别概率
    131                     y_true[l][b, j, i, k, 0:4] = true_boxes[b,t, 0:4]
    132                     y_true[l][b, j, i, k, 4] = 1
    133                     # 置信度是1 因为含有目标
    134                     y_true[l][b, j, i, k, 5+c] = 1
    135                     # 类别的one-hot编码
    136 
    137     return y_true

![复制代码][Image 1]

1.6 yolo\_loss

此函数定义损失函数，损失函数包括三个部分，坐标损失，置信度损失，类别损失：

![1770242-20200313183800827-410846770.png][]

![复制代码][Image 1]

1 def yolo_loss(args, anchors, num_classes, ignore_thresh=.5, print_loss=False):
     2     """true_boxes : 实际框的位置和类别，我们的输入。三个维度：
     3     第一个维度：图片张数
     4     第二个维度：一张图片中有几个实际框
     5     第三个维度： [x, y, w, h, class]，x,y 是实际框的中心点坐标，w,h 是框的宽度和高度。x,y,w,h 均是除以图片分辨率得到的[0,1]范围的值。
     6     anchors : 实际anchor boxes 的值，论文中使用了五个。[w,h]，都是相对于gird cell 长宽的比值。二个维度：
     7     第一个维度：anchor boxes的数量，这里是5
     8     第二个维度：[w,h]，w,h,都是相对于gird cell 长宽的比值。
     9     """
    10     '''Return yolo_loss tensor
    11 
    12     Parameters
    13     ----------
    14     yolo_outputs: list of tensor, the output of yolo_body or tiny_yolo_body
    15     y_true: list of array, the output of preprocess_true_boxes
    16     anchors: array, shape=(N, 2), wh
    17     num_classes: integer
    18     ignore_thresh: float, the iou threshold whether to ignore object confidence loss
    19 
    20     Returns
    21     -------
    22     loss: tensor, shape=(1,)
    23 
    24     '''
    25     num_layers = len(anchors)//3 # default setting
    26     yolo_outputs = args[:num_layers]
    27     y_true = args[num_layers:]
    28     anchor_mask = [[6,7,8], [3,4,5], [0,1,2]] if num_layers==3 else [[3,4,5], [1,2,3]]
    29     input_shape = K.cast(K.shape(yolo_outputs[0])[1:3] * 32, K.dtype(y_true[0]))
    30     grid_shapes = [K.cast(K.shape(yolo_outputs[l])[1:3], K.dtype(y_true[0])) for l in range(num_layers)]
    31     loss = 0
    32     m = K.shape(yolo_outputs[0])[0] # batch size, tensor
    33     mf = K.cast(m, K.dtype(yolo_outputs[0]))
    34 
    35     for l in range(num_layers):
    36         object_mask = y_true[l][..., 4:5]#置信度
    37         true_class_probs = y_true[l][..., 5:]#类别
    38 
    39         grid, raw_pred, pred_xy, pred_wh = yolo_head(yolo_outputs[l],
    40              anchors[anchor_mask[l]], num_classes, input_shape, calc_loss=True)
    41         pred_box = K.concatenate([pred_xy, pred_wh])
    42 
    43         # Darknet raw box to calculate loss.
    44         # 这是对x,y,w,b转换公式的反变换
    45         raw_true_xy = y_true[l][..., :2]*grid_shapes[l][::-1] - grid
    46         raw_true_wh = K.log(y_true[l][..., 2:4] / anchors[anchor_mask[l]] * input_shape[::-1])
    47         # 这部操作是避免出现log(0) = 负无穷，故当object_mask置信率接近0是返回全0结果
    48         # K.switch(条件函数，返回值1，返回值2)其中1,2要等shape
    49         raw_true_wh = K.switch(object_mask, raw_true_wh, K.zeros_like(raw_true_wh)) # avoid log(0)=-inf
    50         #提升针对小物体的小技巧：针对 YOLOv3来说，regression损失会乘一个（2-w*h）的比例系数，
    51         # w 和 h 分别是ground truth 的宽和高。如果不减去 w*h，AP 会有一个明显下降。如果继续往上加，如 (2-w*h)*1.5，总体的 AP 还会涨一个点左右（包括验证集和测试集），大概是因为 COCO 中小物体实在太多的原因。
    52 
    53         box_loss_scale = 2 - y_true[l][...,2:3]*y_true[l][...,3:4]
    54 
    55         # Find ignore mask, iterate over each of batch.
    56         ignore_mask = tf.TensorArray(K.dtype(y_true[0]), size=1, dynamic_size=True)
    57         object_mask_bool = K.cast(object_mask, 'bool')
    58         ##将真实标定的数据置信率转换为T or F的掩膜
    59 
    60         def loop_body(b, ignore_mask):
    61             true_box = tf.boolean_mask(y_true[l][b,...,0:4], object_mask_bool[b,...,0])#挑选出置信度大于0的框的相应的坐标，truebox形式为中心坐标xy与hw
    62 
    63             iou = box_iou(pred_box[b], true_box)#计算iou，pre_box是通过yolo_head解码之后的xywh
    64             best_iou = K.max(iou, axis=-1)#选取最大iou的
    65             ignore_mask = ignore_mask.write(b, K.cast(best_iou<ignore_thresh, K.dtype(true_box)))
    66             return b+1, ignore_mask
    67         _, ignore_mask = K.control_flow_ops.while_loop(lambda b,*args: b<m, loop_body, [0, ignore_mask])
    68         ignore_mask = ignore_mask.stack()#将一个列表中维度数目为R的张量堆积起来形成维度为R+1的新张量
    69         ignore_mask = K.expand_dims(ignore_mask, -1)
    70 
    71         # K.binary_crossentropy is helpful to avoid exp overflow.
    72         xy_loss = object_mask * box_loss_scale * K.binary_crossentropy(raw_true_xy, raw_pred[...,0:2], from_logits=True)
    73         wh_loss = object_mask * box_loss_scale * 0.5 * K.square(raw_true_wh-raw_pred[...,2:4])
    74         confidence_loss = object_mask * K.binary_crossentropy(object_mask, raw_pred[...,4:5], from_logits=True)+ \
    75             (1-object_mask) * K.binary_crossentropy(object_mask, raw_pred[...,4:5], from_logits=True) * ignore_mask
    76         class_loss = object_mask * K.binary_crossentropy(true_class_probs, raw_pred[...,5:], from_logits=True)
    77 
    78         xy_loss = K.sum(xy_loss) / mf
    79         wh_loss = K.sum(wh_loss) / mf
    80         confidence_loss = K.sum(confidence_loss) / mf
    81         class_loss = K.sum(class_loss) / mf
    82         loss += xy_loss + wh_loss + confidence_loss + class_loss
    83         if print_loss:
    84             loss = tf.Print(loss, [loss, xy_loss, wh_loss, confidence_loss, class_loss, K.sum(ignore_mask)], message='loss: ')
    85     return loss

![复制代码][Image 1]

2.train.py

整个训练分为两个阶段，第一个阶段为0~50epoch，训练最后的loss层，前面的层被冻结，第二个阶段为50~100个epoch训练前面的层

![复制代码][Image 1]

1 def _main():
      2     annotation_path = '2007_train.txt'
      3     log_dir = 'logs/000/'
      4     classes_path = 'model_data/voc_classes.txt'
      5     anchors_path = 'model_data/yolo_anchors.txt'
      6     class_names = get_classes(classes_path)
      7     num_classes = len(class_names)
      8     anchors = get_anchors(anchors_path)
      9 
     10     input_shape = (416,416) # multiple of 32, hw
     11 
     12     is_tiny_version = len(anchors)==6 # default setting
     13     if is_tiny_version:
     14         model = create_tiny_model(input_shape, anchors, num_classes,
     15             freeze_body=2, weights_path='model_data/tiny_yolo_weights.h5')
     16     else:
     17         model = create_model(input_shape, anchors, num_classes,
     18             freeze_body=2, weights_path='model_data/yolo_weights.h5') # make sure you know what you freeze
     19 
     20     logging = TensorBoard(log_dir=log_dir)
     21     checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',
     22         monitor='val_loss', save_weights_only=True, save_best_only=True, period=3)
     23     reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=3, verbose=1)
     24     """monitor：被监测的量
     25        factor：每次减少学习率的因子，学习率将以lr = lr*factor的形式被减少
     26        patience：当patience个epoch过去而模型性能不提升时，学习率减少的动作会被触发
     27        mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值触发学习率减少。在max模式下，当检测值不再上升则触发学习率减少。
     28        epsilon：阈值，用来确定是否进入检测值的“平原区”
     29        cooldown：学习率减少后，会经过cooldown个epoch才重新进行正常操作
     30        min_lr：学习率的下限"""
     31     early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)
     32     """monitor: 被监测的数据。
     33        min_delta: 在被监测的数据中被认为是提升的最小变化， 例如，小于 min_delta 的绝对变化会被认为没有提升。
     34        patience: 没有进步的训练轮数，在这之后训练就会被停止。
     35        verbose: 详细信息模式。
     36        mode: {auto, min, max} 其中之一。 在 min 模式中， 当被监测的数据停止下降，训练就会停止；在 max 模式中，当被监测的数据停止上升，训练就会停止；在 auto 模式中，方向会自动从被监测的数据的名字中判断出来。
     37        baseline: 要监控的数量的基准值。 如果模型没有显示基准的改善，训练将停止。
     38        restore_best_weights: 是否从具有监测数量的最佳值的时期恢复模型权重。 如果为 False，则使用在训练的最后一步获得的模型权重"""
     39 
     40     val_split = 0.1
     41     with open(annotation_path) as f:
     42         lines = f.readlines()
     43     np.random.seed(10101)
     44     np.random.shuffle(lines)
     45     np.random.seed(None)
     46     num_val = int(len(lines)*val_split)
     47     num_train = len(lines) - num_val
     48 
     49     # Train with frozen layers first, to get a stable loss.
     50     # Adjust num epochs to your dataset. This step is enough to obtain a not bad model.
     51     if True:
     52         model.compile(optimizer=Adam(lr=1e-3), loss={
     53             # use custom yolo_loss Lambda layer.
     54             # # 使用定制的 yolo_loss Lambda层
     55             'yolo_loss': lambda y_true, y_pred: y_pred})
     56         #解释：模型compile时传递的是自定义的loss，而把loss写成一个层融合到model里面后，
     57         # y_pred就是loss。自定义损失函数规定要以y_true, y_pred为参数
     58 
     59         batch_size = 32
     60         print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
     61         model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
     62                 steps_per_epoch=max(1, num_train//batch_size),
     63                 validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors, num_classes),
     64                 validation_steps=max(1, num_val//batch_size),
     65                 epochs=50,
     66                 initial_epoch=0,
     67                 callbacks=[logging, checkpoint])
     68         model.save_weights(log_dir + 'trained_weights_stage_1.h5')
     69 
     70     # Unfreeze and continue training, to fine-tune.
     71     # Train longer if the result is not good.
     72     if True:
     73         for i in range(len(model.layers)):
     74             model.layers[i].trainable = True
     75         model.compile(optimizer=Adam(lr=1e-4), loss={
       'yolo_loss': lambda y_true, y_pred: y_pred}) # recompile to apply the change
     76         print('Unfreeze all of the layers.')
     77 
     78         batch_size = 32 # note that more GPU memory is required after unfreezing the body
     79         print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
     80         model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
     81             steps_per_epoch=max(1, num_train//batch_size),
     82             validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors, num_classes),
     83             validation_steps=max(1, num_val//batch_size),
     84             epochs=100,
     85             initial_epoch=50,
     86             callbacks=[logging, checkpoint, reduce_lr, early_stopping])
     87         model.save_weights(log_dir + 'trained_weights_final.h5')
     88 
     89     # Further training if needed.
     90 
     91 
     92 def get_classes(classes_path):
     93     '''loads the classes'''
     94     with open(classes_path) as f:
     95         class_names = f.readlines()
     96     class_names = [c.strip() for c in class_names]
     97     return class_names
     98 
     99 def get_anchors(anchors_path):
    100     '''loads the anchors from a file'''
    101     with open(anchors_path) as f:
    102         anchors = f.readline()
    103     anchors = [float(x) for x in anchors.split(',')]
    104     return np.array(anchors).reshape(-1, 2)
    105 
    106 
    107 def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
    108             weights_path='model_data/yolo_weights.h5'):
    109     '''create the training model'''
    110     K.clear_session() # get a new session
    111     image_input = Input(shape=(None, None, 3))
    112     h, w = input_shape
    113     num_anchors = len(anchors)
    114 
    115     y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], \
    116         num_anchors//3, num_classes+5)) for l in range(3)]
    117 
    118     model_body = yolo_body(image_input, num_anchors//3, num_classes)
    119     print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))
    120 
    121     if load_pretrained:
    122         model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
    123         print('Load weights {}.'.format(weights_path))
    124         """根据预训练权重的地址weights_path，加载权重文件，设置参数为，按名称对应by_name，
    125            略过不匹配skip_mismatch；
    126 
    127            选择冻结模式：模式1是冻结185层，模式2是保留最底部3层，其余全部冻结。
    128            整个模型共有252层；将所冻结的层，设置为不可训练，trainable=False；"""
    129         if freeze_body in [1, 2]:
    130             # Freeze darknet53 body or freeze all but 3 output layers.
    131             num = (185, len(model_body.layers)-3)[freeze_body-1]
    132             for i in range(num): model_body.layers[i].trainable = False
    133             print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))
    134     """Lambda是Keras的自定义层，输入为model_body.output和y_true，输出output_shape是(1,)，即一个损失值；
    135 
    136        自定义Lambda层的名字name为yolo_loss；
    137 
    138        层的参数是锚框列表anchors、类别数num_classes和IoU阈值ignore_thresh。
    139        其中，ignore_thresh用于在物体置信度损失中过滤IoU较小的框；
    140 
    141        yolo_loss是损失函数的核心逻辑。"""
    142     model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
    143         arguments={
       'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
    144         [*model_body.output, *y_true])
    145     """把loss写成一个层，作为最后的输出，搭建模型的时候，就只需要将模型的output定义为loss
    146     ，而compile的时候，直接将loss设置为y_pred（因为模型的输出就是loss，所以y_pred就是loss），
    147     无视y_true，训练的时候，y_true随便扔一个符合形状的数组进去就行了"""
    148     #keras.layer.Lambda将任意表达式封装为 Layer 对象
    149     #keras.layers.Lambda(function, output_shape=None, mask=None, arguments=None)
    150     #function: 需要封装的函数。 将输入张量作为第一个参数。
    151     # output_shape: 预期的函数输出尺寸。可以是元组或者函数。 如果是元组，它只指定第一个维度；
    152     # arguments: 可选的。传递给函数function的关键字参数。
    153 
    154     model = Model([model_body.input, *y_true], model_loss)
    155     #构建了以图片数据和图片标签（y_true）为输入，
    156     # 模型损失（model_loss）为输出（y_pred）的模型 model。
    157 
    158     return model
    159 
    160 def create_tiny_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
    161             weights_path='model_data/tiny_yolo_weights.h5'):
    162     '''create the training model, for Tiny YOLOv3'''
    163     K.clear_session() # get a new session
    164     image_input = Input(shape=(None, None, 3))
    165     h, w = input_shape
    166     num_anchors = len(anchors)
    167 
    168     y_true = [Input(shape=(h//{0:32, 1:16}[l], w//{0:32, 1:16}[l], \
    169         num_anchors//2, num_classes+5)) for l in range(2)]
    170 
    171     model_body = tiny_yolo_body(image_input, num_anchors//2, num_classes)
    172     print('Create Tiny YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))
    173 
    174     if load_pretrained:
    175         model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
    176         print('Load weights {}.'.format(weights_path))
    177         if freeze_body in [1, 2]:
    178             # Freeze the darknet body or freeze all but 2 output layers.
    179             num = (20, len(model_body.layers)-2)[freeze_body-1]
    180             for i in range(num): model_body.layers[i].trainable = False
    181             print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))
    182 
    183     model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
    184         arguments={
       'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.7})(
    185         [*model_body.output, *y_true])
    186     model = Model([model_body.input, *y_true], model_loss)
    187 
    188     return model
    189 
    190 def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
    191 
    192     '''data generator for fit_generator
    193         annotation_lines：标注数据的行，每行数据包含图片路径，和框的位置信息，种类
    194         batch_size：每批图片的大小
    195         input_shape： 图片的输入尺寸
    196         anchors: 大小
    197         num_classes： 类别数
    198         '''
    199 
    200     n = len(annotation_lines)
    201     i = 0
    202     while True:
    203         image_data = []
    204         box_data = []
    205         for b in range(batch_size):
    206             if i==0:
    207                 np.random.shuffle(annotation_lines)
    208             image, box = get_random_data(annotation_lines[i], input_shape, random=True)#从标记的样本分离image与box，得到样本图片与样本label
    209             image_data.append(image)
    210             box_data.append(box)
    211             i = (i+1) % n
    212         image_data = np.array(image_data)
    213         box_data = np.array(box_data)
    214         y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
    215         yield [image_data, *y_true], np.zeros(batch_size)
    216 
    217 def data_generator_wrapper(annotation_lines, batch_size, input_shape, anchors, num_classes):
    218     n = len(annotation_lines)
    219     if n==0 or batch_size<=0: return None
    220     return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)
    221 
    222 if __name__ == '__main__':
    223     _main()

![复制代码][Image 1]

3.utils.py

3.1 letter\_image\_box(),此函数的作用主要是将输入的图片进行等比例缩小，并在空余地方填成灰色

![复制代码][Image 1]

1 def letterbox_image(image, size):
     2     '''resize image with unchanged aspect ratio using padding'''
     3     iw, ih = image.size#图像初始的大小，任意值   以(1000,500)为例
     4     w, h = size #模型要求的(416,416)
     5     scale = min(w/iw, h/ih)#416/1000  0.416<0.832  ,416/500
     6     nw = int(iw*scale) #416/1000*1000=416
     7     nh = int(ih*scale)#416/1000*400=208
     8 
     9     image = image.resize((nw,nh), Image.BICUBIC)
    10     new_image = Image.new('RGB', size, (128,128,128))#new : 这个函数创建一幅给定模式（mode）和尺寸（size）的图片。如果省略 color 参数，则创建的图片被黑色填充满，
    11                                                      # 如果 color 参数是 None 值，则图片还没初始化
    12     new_image.paste(image, ((w-nw)//2, (h-nh)//2)) #w-nw=0,(h-nh)//2=(416-208)//2=108
    13     return new_image

![复制代码][Image 1]

它的作用如下：

![1770242-20200313185039043-1662213617.png][]

3.2 get\_random\_data()

此函数的功能主要是进行数据增强与输入图像预处理（同letter\_image\_box）

![复制代码][Image 1]

1 def get_random_data(annotation_line, input_shape, random=True, max_boxes=20, jitter=.3, hue=.1, sat=1.5, val=1.5, proc_img=True):
      2     '''random preprocessing for real-time data augmentation
      3     annotation_lines：标注数据的行，每行数据包含图片路径，和框的位置信息，种类
      4     return:imagedata是经过resize并填充的样本图片，resize成（416,416），并填充灰度
      5            boxdata是每张image中做的标记label，shpe，对应着truebox，批次数16，最大框数20，每个框5个值，4个边界点和1个类别序号，如(16, 20, 5)
      6            为（，batchsize，maxbox，5），每张图片最多的有maxbox个类，5为左上右下的坐标'''
      7     line = annotation_line.split()#删除空格
      8     image = Image.open(line[0])
      9     iw, ih = image.size
     10     h, w = input_shape#（416,416）
     11     box = np.array([np.array(list(map(int,box.split(',')))) for box in line[1:]])
     12 
     13     if not random:
     14         # resize image
     15         #将图片等比例转换为416x416的图片，其余用灰色填充，
     16         # 即(128, 128, 128)，同时颜色值转换为0~1之间，即每个颜色值除以255；
     17 
     18 
     19         scale = min(w/iw, h/ih)
     20         nw = int(iw*scale)
     21         nh = int(ih*scale)
     22         dx = (w-nw)//2
     23         dy = (h-nh)//2
     24         image_data=0
     25         if proc_img:
     26             image = image.resize((nw,nh), Image.BICUBIC)
     27             new_image = Image.new('RGB', (w,h), (128,128,128))
     28             new_image.paste(image, (dx, dy))
     29             image_data = np.array(new_image)/255.
     30             # 上面的作用和letter_box一致，加了一个把rgb范围变成0-1
     31             # correct boxes   max_boxes=20
     32 
     33         # correct boxes
     34         # 将边界框box等比例缩小，再加上填充的偏移量dx和dy，因为新的图片部分用灰色填充，影
     35         # 响box的坐标系，box最多有max_boxes个，即20个
     36         box_data = np.zeros((max_boxes,5))#shap->(20,5)
     37         if len(box)>0:
     38             np.random.shuffle(box)
     39             if len(box)>max_boxes: box = box[:max_boxes]
     40             box[:, [0,2]] = box[:, [0,2]]*scale + dx
     41             box[:, [1,3]] = box[:, [1,3]]*scale + dy
     42             box_data[:len(box)] = box
     43 
     44         return image_data, box_data
     45 
     46     # resize image
     47     #通过jitter参数，随机计算new_ar和scale，生成新的nh和nw，
     48     # 将原始图像随机转换为nw和nh尺寸的图像，即非等比例变换图像。
     49     #也即是数据增强
     50     new_ar = w/h * rand(1-jitter,1+jitter)/rand(1-jitter,1+jitter)
     51     scale = rand(.25, 2)
     52     if new_ar < 1:
     53         nh = int(scale*h)
     54         nw = int(nh*new_ar)
     55     else:
     56         nw = int(scale*w)
     57         nh = int(nw/new_ar)
     58     image = image.resize((nw,nh), Image.BICUBIC)
     59 
     60     # place image
     61     dx = int(rand(0, w-nw))
     62     dy = int(rand(0, h-nh))
     63     new_image = Image.new('RGB', (w,h), (128,128,128))
     64     new_image.paste(image, (dx, dy))
     65     image = new_image
     66 
     67     # flip image or not
     68     #根据随机数flip，随机左右翻转FLIP_LEFT_RIGHT图片
     69     flip = rand()<.5
     70     if flip: image = image.transpose(Image.FLIP_LEFT_RIGHT)
     71 
     72     # distort image
     73     #在HSV坐标域中，改变图片的颜色范围，hue值相加，sat和vat相乘，
     74     # 先由RGB转为HSV，再由HSV转为RGB，添加若干错误判断，避免范围过大
     75     hue = rand(-hue, hue)
     76     sat = rand(1, sat) if rand()<.5 else 1/rand(1, sat)
     77     val = rand(1, val) if rand()<.5 else 1/rand(1, val)
     78     x = rgb_to_hsv(np.array(image)/255.)
     79     x[..., 0] += hue
     80     x[..., 0][x[..., 0]>1] -= 1
     81     x[..., 0][x[..., 0]<0] += 1
     82     x[..., 1] *= sat
     83     x[..., 2] *= val
     84     x[x>1] = 1
     85     x[x<0] = 0
     86     image_data = hsv_to_rgb(x) # numpy array, 0 to 1
     87 
     88     # correct boxes
     89     #将所有的图片变换，增加至检测框中，并且包含若干异常处理，避免变换之后的值过大或过小，去除异常的box
     90     box_data = np.zeros((max_boxes,5))
     91     if len(box)>0:
     92         np.random.shuffle(box)
     93         box[:, [0,2]] = box[:, [0,2]]*nw/iw + dx
     94         box[:, [1,3]] = box[:, [1,3]]*nh/ih + dy
     95         if flip: box[:, [0,2]] = w - box[:, [2,0]]
     96         box[:, 0:2][box[:, 0:2]<0] = 0
     97         box[:, 2][box[:, 2]>w] = w
     98         box[:, 3][box[:, 3]>h] = h
     99         box_w = box[:, 2] - box[:, 0]
    100         box_h = box[:, 3] - box[:, 1]
    101         box = box[np.logical_and(box_w>1, box_h>1)] # discard invalid box
    102         if len(box)>max_boxes: box = box[:max_boxes]
    103         box_data[:len(box)] = box
    104 
    105     return image_data, box_data

![复制代码][Image 1]

4.yolo.py()

此函数主要用于检测图片或者视频

![复制代码][Image 1]

1     def generate(self):
      2         """①加载权重参数文件，生成检测框，得分，以及对应类别
      3 
      4           ②利用model.py中的yolo_eval函数生成检测框，得分，所属类别
      5 
      6           ③初始化时调用generate函数生成图片的检测框，得分，所属类别（self.boxes, self.scores, self.classes）"""
      7         model_path = os.path.expanduser(self.model_path)
      8         assert model_path.endswith('.h5'), 'Keras model or weights must be a .h5 file.'
      9 
     10         # Load model, or construct model and load weights.
     11         num_anchors = len(self.anchors)
     12         num_classes = len(self.class_names)
     13         is_tiny_version = num_anchors==6 # default setting
     14         try:
     15             self.yolo_model = load_model(model_path, compile=False)
     16         except:
     17             self.yolo_model = tiny_yolo_body(Input(shape=(None,None,3)), num_anchors//2, num_classes) \
     18                 if is_tiny_version else yolo_body(Input(shape=(None,None,3)), num_anchors//3, num_classes)
     19             self.yolo_model.load_weights(self.model_path) # make sure model, anchors and classes match
     20         else:
     21             ##[-1]:网络最后一层输出。 output_shape[-1]:输出维度的最后一维。 -> (?,13,13,255)
     22             # 255 = 9/3*(80+5). 9/3:每层特征图对应3个anchor box  80:80个类别 5:4+1,框的4个值+1个置信度
     23 
     24             assert self.yolo_model.layers[-1].output_shape[-1] == \
     25                 num_anchors/len(self.yolo_model.output) * (num_classes + 5), \
     26                 'Mismatch between model and given anchor and class sizes'
     27             #Python assert（断言）用于判断一个表达式，在表达式条件为 false 的时候触发异常。
     28 
     29             #断言可以在条件不满足程序运行的情况下直接返回错误，而不必等待程序运行后出现崩溃的情况
     30 
     31         print('{} model, anchors, and classes loaded.'.format(model_path))
     32 
     33         # Generate colors for drawing bounding boxes.
     34         # Generate colors for drawing bounding boxes.
     35         # 生成绘制边框的颜色。
     36         # h(色调）：x/len(self.class_names)  s(饱和度）：1.0  v(明亮）：1.0
     37 
     38         # 对于80种coco目标，确定每一种目标框的绘制颜色，即：将(x/80, 1.0, 1.0)的颜色转换为RGB格式，并随机调整颜色以便于肉眼识别，
     39         # 其中：一个1.0表示饱和度，一个1.0表示亮度
     40 
     41         hsv_tuples = [(x / len(self.class_names), 1., 1.)
     42                       for x in range(len(self.class_names))]
     43         self.colors = list(map(lambda x: colorsys.hsv_to_rgb(*x), hsv_tuples)) #hsv转换为rgb
     44         # hsv取值范围在【0,1】，而RBG取值范围在【0,255】，所以乘上255
     45         self.colors = list(
     46             map(lambda x: (int(x[0] * 255), int(x[1] * 255), int(x[2] * 255)),
     47                 self.colors))
     48         np.random.seed(10101)  # Fixed seed for consistent colors across runs.
     49         np.random.shuffle(self.colors)  # Shuffle colors to decorrelate adjacent classes.
     50         np.random.seed(None)  # Reset seed to default.
     51 
     52         # Generate output tensor targets for filtered bounding boxes.
     53         #为过滤的边界框生成输出张量目标
     54         self.input_image_shape = K.placeholder(shape=(2, ))
     55         if self.gpu_num>=2:
     56             self.yolo_model = multi_gpu_model(self.yolo_model, gpus=self.gpu_num)
     57         boxes, scores, classes = yolo_eval(self.yolo_model.output, self.anchors,
     58                 len(self.class_names), self.input_image_shape,
     59                 score_threshold=self.score, iou_threshold=self.iou)
     60         return boxes, scores, classes
     61 
     62     def detect_image(self, image):
     63         """开始计时->①调用letterbox_image函数，即：先生成一个用“绝对灰”R128-G128-B128填充的416×416新图片，然后用按比例缩放（采样方式：BICUBIC）后的输入图片粘贴，粘贴不到的部分保留为灰色。②model_image_size定义的宽和高必须是32的倍数；若没有定义model_image_size，将输入的尺寸调整为32的倍数，并调用letterbox_image函数进行缩放。③将缩放后的图片数值除以255，做归一化。④将（416,416,3）数组调整为（1,416,416,3）元祖，满足网络输入的张量格式：image_data。
     64 
     65         ->①运行self.sess.run（）输入参数：输入图片416×416，学习模式0测试/1训练。
     66         self.yolo_model.input: image_data，self.input_image_shape: [image.size[1], image.size[0]]，
     67         K.learning_phase(): 0。②self.generate（），读取：model路径、anchor box、coco类别、加载模型yolo.h5.，对于80中coco目标，确定每一种目标框的绘制颜色，即：将（x/80,1.0,1.0）的颜色转换为RGB格式，并随机调整颜色一遍肉眼识别，其中：一个1.0表示饱和度，一个1.0表示亮度。③若GPU>2调用multi_gpu_model()
     68 
     69          ->①yolo_eval(self.yolo_model.output),max_boxes=20,每张图没类最多检测20个框。
     70          ②将anchor_box分为3组，分别分配给三个尺度，yolo_model输出的feature map
     71          ③特征图越小，感受野越大，对大目标越敏感，选大的anchor box->
     72          分别对三个feature map运行out_boxes, out_scores, out_classes，返回boxes、scores、classes。
     73          """
     74         start = timer()
     75         # # 调用letterbox_image()函数，即：先生成一个用“绝对灰”R128-G128-B128“填充的416x416新图片，
     76         # 然后用按比例缩放（采样方法：BICUBIC）后的输入图片粘贴，粘贴不到的部分保留为灰色
     77 
     78         if self.model_image_size != (None, None):  #判断图片是否存在
     79             assert self.model_image_size[0]%32 == 0, 'Multiples of 32 required'
     80             assert self.model_image_size[1]%32 == 0, 'Multiples of 32 required'
     81             # assert断言语句的语法格式 model_image_size[0][1]指图像的w和h，且必须是32的整数倍
     82             boxed_image = letterbox_image(image, tuple(reversed(self.model_image_size)))
     83             # #letterbox_image对图像调整成输入尺寸(w,h)
     84         else:
     85             new_image_size = (image.width - (image.width % 32),
     86                               image.height - (image.height % 32))
     87             boxed_image = letterbox_image(image, new_image_size)
     88         image_data = np.array(boxed_image, dtype='float32')
     89 
     90         print(image_data.shape)#（416，416,3）
     91         image_data /= 255.#将缩放后图片的数值除以255，做归一化
     92         image_data = np.expand_dims(image_data, 0)  # Add batch dimension.
     93         # 批量添加一维 -> (1,416,416,3) 为了符合网络的输入格式 -> (bitch, w, h, c)
     94 
     95         out_boxes, out_scores, out_classes = self.sess.run(
     96             [self.boxes, self.scores, self.classes],
     97             feed_dict={
     98                 self.yolo_model.input: image_data,#图像数据
     99                 self.input_image_shape: [image.size[1], image.size[0]],#图像尺寸416x416
    100                 K.learning_phase(): 0#学习模式 0：测试模型。 1：训练模式
    101             })#目的为了求boxes,scores,classes，具体计算方式定义在generate（）函数内。在yolo.py第61行
    102 
    103         print('Found {} boxes for {}'.format(len(out_boxes), 'img'))
    104         # 绘制边框，自动设置边框宽度，绘制边框和类别文字，使用Pillow绘图库（PIL，头有声明）
    105         # 设置字体
    106 
    107 
    108         font = ImageFont.truetype(font='font/FiraMono-Medium.otf',
    109                     size=np.floor(3e-2 * image.size[1] + 0.5).astype('int32'))
    110         # 设置目标框线条的宽度
    111         thickness = (image.size[0] + image.size[1]) // 300#厚度
    112         ## 对于c个目标类别中的每个目标框i，调用Pillow画图
    113 
    114         for i, c in reversed(list(enumerate(out_classes))):
    115             predicted_class = self.class_names[c] #类别  #目标类别的名字
    116             box = out_boxes[i]#框
    117             score = out_scores[i]#置信度
    118 
    119             label = '{} {:.2f}'.format(predicted_class, score)
    120             draw = ImageDraw.Draw(image)#创建一个可以在给定图像上绘图的对象
    121             label_size = draw.textsize(label, font)##标签文字   #返回label的宽和高（多少个pixels）
    122             #返回给定字符串的大小，以像素为单位。
    123             top, left, bottom, right = box
    124             # 目标框的上、左两个坐标小数点后一位四舍五入
    125             """防止检测框溢出"""
    126             top = max(0, np.floor(top + 0.5).astype('int32'))
    127 
    128             left = max(0, np.floor(left + 0.5).astype('int32'))
    129             # 目标框的下、右两个坐标小数点后一位四舍五入，与图片的尺寸相比，取最小值
    130             # 防止边框溢出
    131             bottom = min(image.size[1], np.floor(bottom + 0.5).astype('int32'))
    132             right = min(image.size[0], np.floor(right + 0.5).astype('int32'))
    133             print(label, (left, top), (right, bottom))
    134             # 确定标签（label）起始点位置：标签的左、下
    135             if top - label_size[1] >= 0:
    136                 text_origin = np.array([left, top - label_size[1]])
    137             else:
    138                 text_origin = np.array([left, top + 1])
    139 
    140             # My kingdom for a good redistributable image drawing library.
    141             # 画目标框，线条宽度为thickness
    142             for i in range(thickness):#画框
    143                 draw.rectangle(
    144                     [left + i, top + i, right - i, bottom - i],
    145                     outline=self.colors[c])
    146                 # 画标签框
    147             draw.rectangle( #文字背景
    148                 [tuple(text_origin), tuple(text_origin + label_size)],
    149                 fill=self.colors[c])
    150             # 填写标签内容
    151             draw.text(text_origin, label, fill=(0, 0, 0), font=font)#文案
    152             del draw
    153 
    154         end = timer()
    155         print(end - start)
    156         return image
    157 
    158     def close_session(self):
    159         self.sess.close()

![复制代码][Image 1]

以上即是主要yolo3的主要部分，下面将会对模型进行测试

5.测试

在理解完原理与上述代码之后，下面进行测试（当然也可以不用理解源码也可以直接测试）

（1） 首先需要下载yolo3.weights,下载地址：

https://pjreddie.com/media/files/yolov3.weights
      (2) 在pycharm的终端中输入python convert.py yolov3.cfg yolov3.weights model_data/yolo_weights.h5
      作用是将yolo3.weights文件转换成Keras可以处理的.h5权值文件，
    （3）随便在网上下载一张图片进行测试，比如笔者用一张飞机的照片
    （4）在源码中，不能直接运行yolo.py,因为在此代码中没有if__name__=='__main__':
    所以需要自己添加：

![复制代码][Image 1]

1 if __name__ == '__main__':
     2     """测试图片"""
     3     yolo = YOLO()
     4     path = r'F:\chorme_download\keras-yolo3-master\微信图片_20200313132254.jpg'
     5     try:
     6         image = Image.open(path)
     7     except:
     8         print('Open Error! Try again!')
     9     else:
    10         r_image = yolo.detect_image(image)
    11         r_image.show()
    12 
    13     yolo.close_session()
    14     """测试视频，将detect_video中的path置0即调用自己电脑的摄像头"""
    15     yolo=YOLO()
    16     detect_video(yolo,0)

![复制代码][Image 1]

6.结果

![1770242-20200313194638617-1696895000.png][]

本文为原创，制作不易，转载请标明出处，谢谢！！！

好文要顶 关注我 收藏该文 ![icon_weibo_24.png][] ![wechat.png][]

[![20190816102847.png][]][20190816102847.png 1]

[控制工程小小白][20190816102847.png 1]  
[关注 - 5][- 5]  
[粉丝 - 1][- 1]

\+加关注

<div class="clear"></div>
    <div id="post_next_prev">
    
    <a href="https://www.cnblogs.com/hujinzhou/p/12368926.html" class="p_n_p_prefix">« </a> 上一篇：    <a href="https://www.cnblogs.com/hujinzhou/p/12368926.html" title="发布于 2020-02-26 20:43">Keras框架下用.flow_from_directoryt自己构建数据集</a>
    <br>
    <a href="https://www.cnblogs.com/hujinzhou/p/12580599.html" class="p_n_p_prefix">» </a> 下一篇：    <a href="https://www.cnblogs.com/hujinzhou/p/12580599.html" title="发布于 2020-03-27 12:36">.npy文件的保存与加载</a>

posted @ 2020-03-13 20:02  [控制工程小小白][Link 1]  阅读( 796)  评论( 0)  [编辑][Link 2]  收藏

</div>

<div id="google_ads_iframe_/1090369/C1_0__container__" style="border: 0pt none;"><iframe id="google_ads_iframe_/1090369/C1_0" title="3rd party ad content" name="google_ads_iframe_/1090369/C1_0" width="300" height="250" scrolling="no" marginwidth="0" marginheight="0" frameborder="0" srcdoc="" style="border: 0px; vertical-align: bottom;" data-google-container-id="1" data-load-complete="true"></iframe></div></div>
    </div>
    <div id="under_post_news"><div class="recomm-block"><b>相关博文：</b><br>·  <a title="Faster RCNN 学习笔记" href="https://www.cnblogs.com/wangyong/p/8513563.html" target="_blank" onclick="clickRecomItmem(8513563)">Faster RCNN 学习笔记</a><br>·  <a title="SSD详解" href="https://www.cnblogs.com/MY0213/p/9858383.html" target="_blank" onclick="clickRecomItmem(9858383)">SSD详解</a><br>·  <a title="『计算机视觉』Mask-RCNN_训练网络其二：train网络结构&损失函数" href="https://www.cnblogs.com/hellcat/p/9907837.html" target="_blank" onclick="clickRecomItmem(9907837)">『计算机视觉』Mask-RCNN_训练网络其二：train网络结构&损失函数</a><br>·  <a title="基于深度学习的目标检测算法：SSD——常见的目标检测算法" href="https://www.cnblogs.com/bonelee/p/9033952.html" target="_blank" onclick="clickRecomItmem(9033952)">基于深度学习的目标检测算法：SSD——常见的目标检测算法</a><br>·  <a title="（原）fasterrcnn的tensorflow代码的理解" href="https://www.cnblogs.com/darkknightzh/p/10043864.html" target="_blank" onclick="clickRecomItmem(10043864)">（原）fasterrcnn的tensorflow代码的理解</a><br>»  <a target="_blank" href="https://recomm.cnblogs.com/blogpost/12487445">更多推荐...</a></div></div>
    <div id="cnblogs_c2" class="c_ad_block">
        <div id="div-gpt-ad-1592366332455-0" style="width: 468px; height: 60px;" data-google-query-id="CIWX9KC-teoCFQGXvAod2_AF6w">
            <script>
                if (!mobileVisit) {
                    if (canShowAdsense()) {
                        googletag.cmd.push(function () { googletag.display('div-gpt-ad-1592366332455-0'); });
                    } else {
                        $('#cnblogs_c2').hide();
                    }
                }
            </script>
        <div id="google_ads_iframe_/1090369/C2_0__container__" style="border: 0pt none; width: 468px; height: 60px;"></div></div>
    </div>
    <div id="under_post_kb">

**最新 IT 新闻**:  
· 荣耀 X10 Max 图赏：7.09 英寸大屏幕，还有双扬声器  
· 惠普 Spectre Folio 体验：皮革和限量，正试图摆脱同质化的笔记本电脑  
· 东航「周末随心飞」变「闹心飞」，套路消费者的坑真不少  
· 北极 38 度了，我们可能正在经历有史以来最热的一年  
· 阅文新合同一个月：谁在逃离，谁在回归？  
» [更多新闻...][...]

[https_www.cnblogs.com_hujinzhou_p_guobao_2020_3_13.html]: https://www.cnblogs.com/hujinzhou/p/guobao_2020_3_13.html
[1770242-20200313184011349-1865143991.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313184011349-1865143991.png
[https_blog.csdn.net_weixin_41943311_article_details_95672137_depth_1-utm_source_distribute.pc_relevant.none-task_utm_source_distribute.pc_relevant.none-task]: https://blog.csdn.net/weixin_41943311/article/details/95672137?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
[1770242-20200313170307526-2023556790.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313170307526-2023556790.png
[1770242-20200313170335168-754994880.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313170335168-754994880.png
[Image 1]: 
[1770242-20200313183800827-410846770.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313183800827-410846770.png
[1770242-20200313185039043-1662213617.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313185039043-1662213617.png
[1770242-20200313194638617-1696895000.png]: https://img2020.cnblogs.com/i-beta/1770242/202003/1770242-20200313194638617-1696895000.png
[icon_weibo_24.png]: https://common.cnblogs.com/images/icon_weibo_24.png
[wechat.png]: https://common.cnblogs.com/images/wechat.png
[20190816102847.png]: https://pic.cnblogs.com/face/1770242/20190816102847.png
[20190816102847.png 1]: https://home.cnblogs.com/u/hujinzhou/
[- 5]: https://home.cnblogs.com/u/hujinzhou/followees/
[- 1]: https://home.cnblogs.com/u/hujinzhou/followers/
[Link 1]: https://www.cnblogs.com/hujinzhou/
[Link 2]: https://i.cnblogs.com/EditPosts.aspx?postid=12487445
[...]: https://news.cnblogs.com/