yolo3各部分代码详解(超详细)

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:

 

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

 

 

 

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:

 

 

 

 

 

 

 

 

 

 

 

 

 

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"        # Adjust preditions to each spatial grid point and anchor size.      """将预测值调整为真实值"""      "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"      "将wh转换成预测框的wh,并处以416归一化"      box_xy = (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))#实际上就是除以13或26或52      #box_xy = (K.sigmoid(feats[:,:,:,:2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))      # ...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;      box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1], K.dtype(feats))      box_confidence = K.sigmoid(feats[..., 4:5])      box_class_probs = K.sigmoid(feats[..., 5:])      #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        if calc_loss == True:          return grid, feats, box_xy, box_wh      return box_xy, box_wh, box_confidence, box_class_probs      #预测框相对于整张图片中心点的坐标与预测框的wh

 

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

 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

1.3 yolo_box_and_score

     获得box与得分

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

 

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

 

 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_

 

1.5  preprocess_true_box()

  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

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:

 

 

 

 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

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

  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()

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

 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

它的作用如下:

 

 

 

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)

  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

4.yolo.py()

此函数主要用于检测图片或者视频

  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]#  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()

 

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:
 1 if __name__ == '__main__':   2     """测试图片"""   3     yolo = YOLO()   4     path = r'F:chorme_downloadkeras-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)

6.结果

 

 

本文为原创,制作不易,转载请标明出处,谢谢!!!