Darknet函数分析

最新推荐文章于 2024-09-13 17:43:18 发布

kaluowfj

最新推荐文章于 2024-09-13 17:43:18 发布

阅读量1.8k

点赞数 4

分类专栏：函数分析文章标签： darknet 函数分析 yolo

本文链接：https://blog.csdn.net/kaluowfj/article/details/84523454

版权

本文详细分析了Darknet框架中的核心函数，包括随机打乱数据、im2col实现、计算IOU、NMS处理bounding boxes、YOLO层的运作、卷积层参数的保存与加载，以及forward、route、reorg和shortcut操作的细节。通过对这些函数的理解，有助于深入掌握Darknet的工作原理。

摘要由CSDN通过智能技术生成

Darknet中函数分析

随机打乱数据

代码在data.c源文件中

void randomize_data(data d)
{
   
    int i;
    for(i = d.X.rows-1; i > 0; --i){
    // 从最后一个元素位置开始，当前位置为i
        int index = rand()%i;// 从i（不包括）之前的所有位置随机选择一个位置index
        float *swap = d.X.vals[index]; // 交换index和i处的指针
        d.X.vals[index] = d.X.vals[i];
        d.X.vals[i] = swap;

        swap = d.y.vals[index];
        d.y.vals[index] = d.y.vals[i];
        d.y.vals[i] = swap;
    }
}

可以看到整个打乱过程只有指针指向在不断发生变化，数据在内存中的位置不变。

im2col实现

代码在im2col.c源文件中

float im2col_get_pixel(float *im, int height, int width, int channels,
                        int row, int col, int channel, int pad)
{
   
    row -= pad;
    col -= pad;

    if (row < 0 || col < 0 ||
        row >= height || col >= width) return 0;
    return im[col + width*(row + height*channel)];
}

//From Berkeley Vision's Caffe!
//https://github.com/BVLC/caffe/blob/master/LICENSE
void im2col_cpu(float* data_im, // 输入的图像数据，内存中按行排列成一维
     int channels,  // 通道数
     int height, int width, // 图像的高和宽
     int ksize,  // 卷积核的高和宽，这里默认卷积核高和宽大小一样
     int stride, // 卷积时的步长，这里默认高和宽两个方向上步长一样
     int pad, // 图像的填充，这里默认高和宽上填充一样
     float* data_col // 最终输出的数据
) {
   
    int c,h,w;
    int height_col = (height + 2*pad - ksize) / stride + 1; // 卷积后的图像尺寸，可以想象，其中每个点对应图像的一个卷积区域，卷积区域大小是channels * ksize * ksize，即下面的channels_col。
    int width_col = (width + 2*pad - ksize) / stride + 1;

    int channels_col = channels * ksize * ksize; // 图像上每个卷积区域展成一列后的大小，比如                                                          // ksize=3，图像通道数为3，那么channels_col为27
    for (c = 0; c < channels_col; ++c) {
   
        int w_offset = c % ksize; // 0, 1, 2, 0, 1, 2, 0, 1, 2, ... 宽的相对偏移
        int h_offset = (c / ksize) % ksize; // 0, 0, 0, 1, 1, 1, 2, 2, 2, 0, 0, 0, 1, 1, 1, ...高的相对偏移
        int c_im = c / ksize / ksize; // 9个0， 9个1， 9个2 通道序号，（c_im, h_offset, w_offset）是卷积区域的相对坐标
        for (h = 0; h < height_col; ++h) {
    // 有height_col * width_col个卷积区域，遍历每一个卷积区域，对于每个区域，计算它的c位置处的图像像素值
            for (w = 0; w < width_col; ++w) {
   
                int im_row = h_offset + h * stride; // 相对于图像的行坐标
                int im_col = w_offset + w * stride; // 相对于图像的列坐标
                int col_index = (c * height_col + h) * width_col + w; // 
                data_col[col_index] = im2col_get_pixel(data_im, height, width, channels,
                        im_row, im_col, c_im, pad);
            }
        }
    }
}

这是caffe中卷积操作之前的关键步骤，对三维图像进行变形，将传统卷积操作变成矩阵形式的卷积操作。

简便起见，设channels = 1，即图像是个单通道图。data_im为
$\begin{matrix} 0 & 1 & 2 & 3 & 4 \\ 5 & 6 & 7 & 8 & 9 \\ 10 & 11 & 12 & 13 & 14 \\ 15 & 16 & 17 & 18 & 19 \\ 20 & 21 & 22 & 23 & 24 \\ \end{matrix}$
kernel大小为 $3\times3$ ，stride = 1, pad = 0。经过上面函数的处理后，data_col为
$\begin{matrix} 0 & 1 & 2 & 5 & 6 & 7 & 10 & 11 & 12 \\ 1 & 2 & 3 & 6 & 7 & 8 & 11 & 12 & 13 \\ 2 & 3 & 4 & 7 & 8 & 9 & 12 & 13 & 14 \\ 5 & 6 & 7 & 10 & 11 & 12 & 15 & 16 & 17 \\ 6 & 7 & 8 & 11 & 12 & 13 & 16 & 17 & 18 \\ 7 & 8 & 9 & 12 & 13 & 14 & 17 & 18 & 19 \\ 10 & 11 & 12 & 15 & 16 & 17 & 20 & 21 & 22 \\ 11 & 12 & 13 & 16 & 17 & 18 & 21 & 22 & 23 \\ 12 & 13 & 14 & 17 & 18 & 19 & 22 & 23 & 24 \\ \end{matrix}$