yolov3代码详解（三）

datasets.py

import glob
import random
import os
import sys
import numpy as np
from PIL import Image
import torch
import torch.nn.functional as F

from utils.augmentations import horisontal_flip
from torch.utils.data import Dataset
import torchvision.transforms as transforms
##########################################################################
#图像预处理，形成tensor
##########################################################################


"""
本文件的主要作用  pad_to_square把图像调整为方形，resize调整图像大小，random_resize随机调整图像大小
ImageFolder读取data/samples下的所有图像，调整为方形，调整大小，
生成张量，为detect.py提供输入
"""





#调整为方形
def pad_to_square(img, pad_value):#图片调整为方形,调用F.pad实现，在ImageFolder和ListDataset被引用
    c, h, w = img.shape
    dim_diff = np.abs(h - w)
    # (upper / left) padding and (lower / right) padding
    pad1, pad2 = dim_diff // 2, dim_diff - dim_diff // 2
    # Determine padding
    pad = (0, 0, pad1, pad2) if h <= w else (pad1, pad2, 0, 0)
    # Add padding
    img = F.pad(img, pad, "constant", value=pad_value)

    “pad：不同Tensor的填充方式
		1.四维Tensor：传入四元素tuple(pad_l, pad_r, pad_t, pad_b)，
		指的是（左填充，右填充，上填充，下填充），其数值代表填充次数
		2.六维Tensor：传入六元素tuple(pleft, pright, ptop, pbottom, pfront, pback)，
		指的是（左填充，右填充，上填充，下填充，前填充，后填充），其数值代表填充次数”

    return img, pad#返回调整后的img 和pad(0,0,pad1,pad2)


#改变图片大小
def resize(image, size):#调整图像大小，在ImageFolder和ListDataset被引用
    image = F.interpolate(image.unsqueeze(0), size=size, mode="nearest").squeeze(0)  #可使用的上采样算法
    return image


#多尺度训练时使用，没有被引用
def random_resize(images, min_size=288, max_size=448):#图像大小随机调整为(288,320,352,384,416)之一，多尺度训练。
    new_size = random.sample(list(range(min_size, max_size + 1, 32)), 1)[0]
    images = F.interpolate(images, size=new_size, mode="nearest")
    return images


#遍历文件夹下的测试图片
class ImageFolder(Dataset): #默认读取data/samples的所有图像，在detect.py中被引用
    def __init__(self, folder_path, img_size=416):
        #sorted(iterable[, cmp[, key[, reverse]]])
        #sorted() 函数对所有可迭代的对象进行排序操作
        ##glob.glob 获取指定目录下的所有文件
        self.files = sorted(glob.glob("%s/*.*" % folder_path))   #获取data/samples的所有图像地址列表  例如：data/samples/dog.jpg等
        self.img_size = img_size

    def __getitem__(self, index):
        img_path = self.files[index % len(self.files)]   #获取列表下所有文件路径
        # Extract image as PyTorch tensor
        img = transforms.ToTensor()(Image.open(img_path))
        # Pad to square resolution   #填充为正方形
        img, _ = pad_to_square(img, 0)
        # Resize
        img = resize(img, self.img_size)

        return img_path, img

    def __len__(self):
        return len(self.files)


#生成图像和其标签组成的列表，在train.py和test.py中被引用
class ListDataset(Dataset):
    #通过coco.data里面配置的data/coco/trainvalno5k.txt,和valid=data/coco/5k.txt找到相应的图像和标签
    #trainvalno5k.txt里面放的是绝对路径  /XX/XX/1.jpg
    """
    self.img_files  得到图片路径：data/custom/images/train.jpg
    self.label_files  得到标签路径：data/custom/images/train.txt  
    """
    def __init__(self, list_path, img_size=416, augment=True, multiscale=True, normalized_labels=True):
        with open(list_path, "r") as file: 
            self.img_files = file.readlines()   #图片地址的列表  例：data/custom/images/train.jpg

        self.label_files = [  #生成对应的标签地址文件 列表   #由图像地址文件trainvalno5k.txt，生成对应的标签地址文件
            path.replace("images", "labels").replace(".png", ".txt").replace(".jpg", ".txt")
            #trainvalno5k.txt内容形如data/custom/images/train.jpg,通过替换其labels,txt,jpg生成对应的标签列表
            for path in self.img_files
        ]
        self.img_size = img_size  #416
        self.max_objects = 100  #表示一副图像最多含有的标签数量
        self.augment = augment  #true
        self.multiscale = multiscale  #true
        self.normalized_labels = normalized_labels  #true
        self.min_size = self.img_size - 3 * 32  #图像最小320
        self.max_size = self.img_size + 3 * 32  #图像最大512
        self.batch_count = 0   #batch初始为0


    #提取图片，得到正方形化的图片大小  和  同样缩放过后的  标签信息
    def __getitem__(self, index):

        # ---------
        #  Image
        #提取图像路径，读取图像，转为RGB,调整为方形
        # ---------

        ##提取图像路径，由图像序列号，找到对应图像
        img_path = self.img_files[index % len(self.img_files)].rstrip()

        # Extract image as PyTorch tensor
        img = transforms.ToTensor()(Image.open(img_path).convert('RGB'))  #读取图像，转为RGB，加入张量

        # Handle images with less than three channels
        if len(img.shape) != 3:  #图像低于3通道，升成3通道
            img = img.unsqueeze(0)
            img = img.expand((3, img.shape[1:]))

        _, h, w = img.shape #获取图像的高和宽
        h_factor, w_factor = (h, w) if self.normalized_labels else (1, 1)
        # Pad to square resolution
        img, pad = pad_to_square(img, 0)  #调整为方形，得到调整后的图像和pad，视为pad参数
        _, padded_h, padded_w = img.shape  #获取图像调整后的高和宽，视为缩放参数

        # ---------
        #  Label
        #提取标签路径，和图像等比例缩放标签。
        # ---------

        label_path = self.label_files[index % len(self.img_files)].rstrip()

        targets = None
        if os.path.exists(label_path):
            boxes = torch.from_numpy(np.loadtxt(label_path).reshape(-1, 5))  
            #numpy中有两个函数可以用来读取文件，主要是txt文件, 第一个是loadtxt
            # Extract coordinates for unpadded + unscaled image
            # 由中心点模式，获取原始box左上角和右下角的像素
            x1 = w_factor * (boxes[:, 1] - boxes[:, 3] / 2)
            y1 = h_factor * (boxes[:, 2] - boxes[:, 4] / 2)
            x2 = w_factor * (boxes[:, 1] + boxes[:, 3] / 2)
            y2 = h_factor * (boxes[:, 2] + boxes[:, 4] / 2)
            # Adjust for added padding
            #由pad参数计算出标签框经过pad操作后的位置
            x1 += pad[0]
            y1 += pad[2]
            x2 += pad[1]
            y2 += pad[3]
            # Returns (x, y, w, h)#获得图像的标签经过pad和缩放处理后的位置。  即在0到1之间
            boxes[:, 1] = ((x1 + x2) / 2) / padded_w
            boxes[:, 2] = ((y1 + y2) / 2) / padded_h
            boxes[:, 3] *= w_factor / padded_w
            boxes[:, 4] *= h_factor / padded_h

            targets = torch.zeros((len(boxes), 6))  #boxes（类别,x,y,w,h）
            targets[:, 1:] = boxes   #（0，类别,x,y,w,h）即在0到1之间

        # Apply augmentations
        if self.augment:   #随机进行镜像操作
            if np.random.random() < 0.5:
                img, targets = horisontal_flip(img, targets)

        return img_path, img, targets



    """
    targets的第一位是0
    一张image对应的n个target（这个是张量），并且target[:,0]=0(即前面提到的targets的第一位是0)，
    target[:,0]表示的是对应image的ID。在训练的时候collate_fn函数都会把所有target融合在一起成为
    一个张量（targets = torch.cat(targets, 0)），只有这个张量的第一位（target[:,0]）才可以判断
    这个target属于哪一张图片（即能够匹配图像ID）。
    """

    #赋值给torch.utils.data.DataLoader的collate_fn，实现自定义的batch输出，每10个批次随机设置一次图像大小，
    #从而实现多尺度训练，在train.py，test.py被引用，但是此处没有让targets一同缩放。
    #batch_count当前是第几批
    def collate_fn(self, batch):#整理
        paths, imgs, targets = list(zip(*batch))  #以batch为单位，提取paths, imgs, targets列表
        # Remove empty placeholder targets
        targets = [boxes for boxes in targets if boxes is not None]  #去除targets里的空值
        # Add sample index to targets
        for i, boxes in enumerate(targets):
            boxes[:, 0] = i  #target[:,0]表示的是对应image的batch内的ID。
        targets = torch.cat(targets, 0)#沿着targets的0维batch内image的ID进行连接生成的tensor[target1][target2][target3]...[target_batch]
        #在训练的时候collate_fn函数都会把所有target融合在一起成为一个张量（targets = torch.cat(targets, 0)），
        # 只有这个张量的第一位（target[:,0]）才可以判断这个target属于哪一张图片（即能够匹配图像ID
        # Selects new image size every tenth batch 
        if self.multiscale and self.batch_count % 10 == 0:#每10个batch重新随机设置一下图像的大小
            self.img_size = random.choice(range(self.min_size, self.max_size + 1, 32))  #stack叠加生成新的tensor [image1,image2,image3...iamge_batch]
        # Resize images to input shape
        imgs = torch.stack([resize(img, self.img_size) for img in imgs])
        self.batch_count += 1
        return paths, imgs, targets #此处应该注意，每10批重设一下图像大小，但是没有对应重设targets大小

    def __len__(self):
        return len(self.img_files)  #返回ListDataset中图像的个数  一共几张图片