【YOLO入门】 YOLO_V1源文件学习

目录

0 前言

1 YOLO_V1代码预览

2 train解析

2.1 先看一下导入的文件

2.2 main函数开始

2.2 YOLONet

2.3 pascal_voc

---

0 前言

之前陆续已经实现了如何使用YOLOV3，YOLOV1进行目标检测，这两天想抽时间，学习一下官方的原源文件，补充一下理论知识。本文使用的源码来源于 https://github.com/hizhangp/yolo_tensorflow 。

1 YOLO_V1代码预览

由上面提供的链接，下载解压后，源文件的构成如下图，

一共有9个对象，其中三个文件夹，6个文件。

3个文件夹

test：存放的用于测试的图片

yolo：里面有三个文件

        yolo_net.py：建立yolo网络（YOLONet）yolo_net.py定义了YOLONet类，该类包含了网络的的初始化（__init__()），建立网络（build_networks()），和loss函数（loss_layer()）等方法。

          config.py:路径和数据集参数设置

          __init__.py:空文件

utils：里面有三个文件

        pascal_voc.py：读取文件数据

       __init__.py：空文件

        timer.py:用于计时

6个文件

train.py：训练代码

test.py：测试代码

README：为帮助说明文件

LICENSE：证书

download_data.sh：应该是于下载数据有关的文件，待研究...

.gitignore：使用github提交本地代码时，忽略不必要提交的文件

2 train解析

train是用来训练网络的。

看眼train.py文件的整体框架，如下图：

trian.py整体框架

 

2.1 先看一下导入的文件

import os # 操作系统操作模块
import argparse # python中的命令行解析模块
import datetime # 处理日期和时间的标准库
import tensorflow as tf # tensorflow框架
import yolo.config as cfg # yolo文件夹下的config.py配置文件
from yolo.yolo_net import YOLONet # yolo文件夹下的yolo_net.py网络构建文件
from utils.timer import Timer # utils文件夹下的timer.py计时文件
from utils.pascal_voc import pascal_voc # utils文件夹下的pascal_voc.py文件读取数据模块

slim = tf.contrib.slim #可以大大减少复杂网络的代码量

2.2 main函数开始

def main():
    #用于解析命令行，显示帮助信息，直到......
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', default="YOLO_small.ckpt", type=str)
    parser.add_argument('--data_dir', default="data", type=str)
    parser.add_argument('--threshold', default=0.2, type=float)
    parser.add_argument('--iou_threshold', default=0.5, type=float)
    parser.add_argument('--gpu', default='', type=str)
    args = parser.parse_args()

    if args.gpu is not None:
        cfg.GPU = args.gpu

    if args.data_dir != cfg.DATA_PATH:
        update_config_paths(args.data_dir, args.weights)

    os.environ['CUDA_VISIBLE_DEVICES'] = cfg.GPU
    #......这里

    yolo = YOLONet() # 实例化YOLONet对象。YOLONet是在yolo_net.py文件中定义的类
    pascal = pascal_voc('train') # 实例化pascal_voc对象。pascal_voc是在pascal_voc.py中定义的类

    solver = Solver(yolo, pascal) # 实例化Solver对象。Solver是在本文件中定义的类

    print('Start training ...')
    solver.train() #调用solver对象的train方法，执行训练。
    print('Done training.')

main()函数的前部分,使用argparser模块显示帮助信息，提示用户的。

运行效果：

由于本人的电脑显存较小，运行时报错了：ResourceExhaustedError 

应该可以修改参数，完成，在yolo_v3训练时候，就是通过修改batchsize和epoch来实现。

main()函数的下半部分分别调用了使用YOLONet，pascal_voc Solver以及train()方法。下面依次进行介绍。

2.2 YOLONet

同样先看一下yolo_net.py文件的框架

yolo_net.py

两大任务：定义YOLONet()类，和激活函数leaky_relu()

关于leaky_relu(）激活函数参看 激活函数

下面是大佬YOLONet()类上场。按照惯例，先一睹风采。

 

def __init__(): 网络初始化，包含了网络初始的参数

def build_network(): 建立网络

def calc_iou: 计算iou（Intersection over Union）

def loss_layer(): loss函数

看下面的注释

__init__()

    def __init__(self, is_training=True):
        ##VOC 2012数据集类别名
        self.classes = cfg.CLASSES # 类别
        self.num_class = len(self.classes) #类别的数量，这里默认值20
        self.image_size = cfg.IMAGE_SIZE # 网络输入图像的尺寸默认值448，448×448
        self.cell_size = cfg.CELL_SIZE # cell尺寸，默认S = 7，将图像分为SxS的格子
        self.boxes_per_cell = cfg.BOXES_PER_CELL # 每个geid cell负责的boxes，默认为2
        ##网络输出的大小 S*S*(B*5 + C) = 1470
        self.output_size = (self.cell_size * self.cell_size) *\
            (self.num_class + self.boxes_per_cell * 5) # 输出尺寸
        #图片的缩放比例
        self.scale = 1.0 * self.image_size / self.cell_size # 1×（448÷7）
        self.boundary1 = self.cell_size * self.cell_size * self.num_class # 7×7×20
        self.boundary2 = self.boundary1 +\
            self.cell_size * self.cell_size * self.boxes_per_cell # 7×7×20 + 7×7×2
        '''
        boundery1和boundery2 作用是在输出中确定每种信息的长度（如类别，置信度等）。
        其中 boundery1 指的是对于所有的 cell 的类别的预测的张量维度，所以是 
        self.cell_size * self.cell_size * self.num_class
        boundery2 指的是在类别之后每个cell 所对应的 bounding boxes 的数量的总和，所以是
        self.boundary1 + self.cell_size * self.cell_size * self.boxes_per_cell        
        '''

        # 代价函数 权重
        self.object_scale = cfg.OBJECT_SCALE # 默认值1.0
        self.noobject_scale = cfg.NOOBJECT_SCALE # 默认值1.0
        self.class_scale = cfg.CLASS_SCALE # 默认值2.0
        self.coord_scale = cfg.COORD_SCALE # 默认值5.0

        self.learning_rate = cfg.LEARNING_RATE # 学习率，默认值0.0001
        self.batch_size = cfg.BATCH_SIZE #批次大小，默认值45
        self.alpha = cfg.ALPHA #泄露修正线性激活函数 ,m默认系数0.1

        # 偏置形状[7,7,2]
        self.offset = np.transpose(np.reshape(np.array(
            [np.arange(self.cell_size)] * self.cell_size * self.boxes_per_cell),
            (self.boxes_per_cell, self.cell_size, self.cell_size)), (1, 2, 0))

        #输入图片占位符 [NONE,image_size,image_size,3]
        self.images = tf.placeholder(
            tf.float32, [None, self.image_size, self.image_size, 3],
            name='images') #placeholder()是在网络构建graph的时的占位此时没有把输入的数据传入模型，只分配必内存

        #构建网络，获取YOLO网络的输出（不经过激活函数的输出），形状[None，1470]
        self