深度学习【58】物体检测：yoloV2笔记之训练

之前基于yoloV2做过一段时间的物体检测，当时对yoloV2整个框架了如指掌。由于没有及时写笔记记录一下，现在回过头来很多东西都快忘光了。本篇博客不会记录如何使用darknet训练yoloV2，而更注重的的是整个yoloV2的算法，以及其中的一些细节。废话不多说，我们直接开始。

##物体检测训练主函数
yoloV2的训练函数主函数在examples/detector.c中的train_detector函数，这里就不贴代码了，太长了。我们主要看看整体的流程。

函数一开始为初始化网络，或者导入预训练参数，以及其他设置，如gpu，以及根据使用的gpu个数设置学习率。

接着就开始训练，具体的：
1、确定网络输入大小
yoloV2的训练过程有一个很重要的点，那就是多尺度图像训练。我们都知道yoloV2的输入图片大小是416416，但是在训练的时候并不是一直使用416416的图片进行训练，而是每隔一段时间就改变输入图像的大小，其策略为：

int dim = (rand() % 10 + 10) * 32;
if (get_current_batch(net)+200 > net.max_batches) dim = 608;//最后200批次训练都只用输入大小为608*608

2、训练样本读取
代码在src/data.c中的load_data_detection函数中。
yoloV2在读取样本的时候对数据进行了扩充，分别有随机抖动，镜像和亮度、饱和度、曝光度的调整。其中随机抖动和镜像需要对box也进行相应的调整。

3、训练
根据使用的gpu个数进行训练，调用的是train_networks函数。

如果gpu个数大于1，那么每隔100个训练批次就进行参数合并。

##region_layer
yoloV2的训练过程除了多尺度图片训练方式，以及数据扩充方式，另一个重点是最后的检测层region_layer。相应的代码在src/region_layrer.c中的forward_region_layer函数里面。

假设网络的输出是416416，那么yoloV2的输出是尺寸是1313；类别数为80，候选框的个数为5，那么通道数为（1+4+80）*5=425。每个候选框占85个通道，即第0到84通道属于第一个候选框，第85到169通道属于第二个候选框，以此类推。然后在每85个通道里面，存放顺序为：bbox（占4个通道）、是否