从头实现YOLOv3：第2部分

原文为英文，进行了翻译和部分修改，原文地址
代码地址：github仓库、ACgit仓库
相关内容：
YOLOv3论文翻译
YOLOv3原理及流程简述
从头实现YOLOv3：第1部分
从头实现YOLOv3：第3部分
从头实现YOLOv3：第4部分
从头实现YOLOv3：第5部分

第2部分：创建网络结构的层

前置知识

• PyTorch 的基本工作知识，包括如何使用 nn.Module、nn.Sequential 和 torch.nn.parameter 类创建自定义架构。

现在开始

​ 首先创建一个目录，将检测器的代码存放在里面。

​ 然后，创建一个文件darknet.py。darknet是YOLO底层架构的名称。该文件将包含创建 YOLO 网络的代码。我们将用一个名为 util.py 的文件对其进行补充，该文件将包含各种辅助函数的代码。将这两个文件保存在检测器文件夹中。可以使用 git 来跟踪修改。

配置文件

​ 官方代码（用 C 编写）使用配置文件来构建网络。 cfg 文件逐块描述网络的布局。如果您用过 caffe ，则相当于用于描述网络的 .protxt 文件。

​ 我们将使用作者发布的官方 cfg 文件来构建我们的网络。从这里下载它并将其放在检测器目录中名为 cfg 的文件夹中。如果您使用的是 Linux，请 cd 进入网络目录并键入：

mkdir cfg
cd cfg
wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/yolov3.cfg

​ 如果你打开配置文件，会看到类似这样的东西。

[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

​ 我们看到上面有 4 个块。其中，3 个描述了卷积层，然后是一个shortcut layer。shortcut layer 是一种 skip connection，就像 ResNet 中使用的那样。 YOLO 中使用了 5 种类型的层：

Convolutional

[convolutional]
batch_normalize=1  
filters=64  
size=3  
stride=1  
pad=1  
activation=leaky

Shortcut

[shortcut]
from=-3  
activation=linear  

​ shortcut layer 是一种 skip connection，类似于 ResNet 中使用的连接。 from参数为 -3，表示shortcut layer的输出是将 shortcut layer上一层和之前第三层的 feature map 相加得到的。

​ 将上一层和指定的某一层的特征图相加后输出。

Upsample

[upsample]
stride=2

​ 使用步长stride的双线性上采样，对上一层中的特征图进行上采样。

Route

[route]
layers = -4

[route]
layers = -1, 61

Route 层值得稍微解释一下。它有一个属性layers，可以有一个或两个值。

​ 当layers属性只有一个值时，输出该值索引的图层的特征图。在我们的示例中，它是 -4，因此该层将输出 Route 层之前第 4 层的特征图。

​ 当layers有两个值时，它返回由它的值索引的图层的串联特征图。在我们的示例中，它是 -1, 61，该层将输出来自前一层 (-1) 和第 61 层的特征图，沿深度维度连接后输出。

​ 输出指定的某一层的特征图；或者先将指定的某两层特征图沿深度连接，再输出。

YOLO

[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=80
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1

​ YOLO 层对应第1部分描述的检测层。anchors 描述了9个 anchor，但只使用了由 mask标签的属性索引的 anchor。这里 mask 的值为 0,1,2，表示使用了第一个、第二个和第三个 anchor 。这是有道理的，因为检测层的每个单元格预测 3 个框。总的来说，有 3 个尺度的检测层，总共有 9 个 anchor，3 个 yolo 层分别使用 3 个不同的 anchor。

yolo 层还指定了类别个数。

Net

[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=16
width= 320
height = 320
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

​ cfg 中有另一种称为 net 的块，但我不会称其为层，因为它仅描述有关网络输入和训练参数的信息。它不用于YOLO的前向传递。然而它提供了网络输入大小等信息，我们用它来调整前向传递中的 anchor。

解析配置文件

​ 开始之前，在 darknet.py 文件的顶部添加必要的导入。

from __future__ import division  # 引入精确除法

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable
import numpy as np

​ 我们定义了一个名为 parse_cfg 的函数，它以配置文件的路径作为输入。

def parse_cfg(cfgfile):
    """
    Takes a configuration file
    :param cfgfile:
    :return:a list of blocks. Each blocks describes a block in the neural
            network to be built. Block is represented as a dictionary in the list
    """

这里的想法是解析 cfg，并将每个块存储为字典。块的属性及其值作为键值对存储在字典中。当我们解析 cfg 时，把这些由代码中的变量 block 表示的字典附加到列表 blocks 中。函数将返回 blocks。

​ 我们首先将 cfg 文件的内容保存在字符串列表中。以下代码对此列表执行一些预处理。

file = open(cfgfile, 'r')
lines = file.read().split('\n')  # 存每一行
lines = [x for x in lines if len(x) > 0]  # 去掉空行
lines = [x for x in lines if x[0] != '#']  # 去掉注释
lines