解决yolo改yolo-tiny中的某些问题

解决yolo改yolo-tiny中的某些问题

使用的是这个著名的版本：

https://github.com/qqwweee/keras-yolo3

修改成为tiny版本参考了这篇博客：

https://www.jianshu.com/p/d76adef49293

修改的时候看到一个博主说
filters实际上等于

num/3*(classes+5)

而不是大家认同的

3*（classes+5）

乌干达代码能力稍微看了下代码之后，认为后面这个大家公认的公式是正确的，在train.py文件中，关于使用yolo模型时候有这样的计算：

def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
            weights_path='model_data/yolo_weights.h5'):
    '''create the training model'''
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)

    y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], \
        num_anchors//3, num_classes+5)) for l in range(3)]

    model_body = yolo_body(image_input, num_anchors//3, num_classes)
    print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))

而在使用tiny模型时，这个计算是这样的：

def create_tiny_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
            weights_path='model_data/tiny_yolo_weights.h5'):
    '''create the training model, for Tiny YOLOv3'''
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)

    y_true = [Input(shape=(h//{0:32, 1:16}[l], w//{0:32, 1:16}[l], \
        num_anchors//2, num_classes+5)) for l in range(2)]

    model_body = tiny_yolo_body(image_input, num_anchors//2, num_classes)
    print('Create Tiny YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))

而在yolo中，num_anchors=9，tiny中num_anchors=6，所以认为是原来大家公认的

3*（classes+5）

是正确的。
然后说说改成tiny版本时某些报错的问题。

ValueError: You are trying to load a weight file containing 24 layers into a model with 147 layers.

报错全文是这样的：

Traceback (most recent call last):
  File "yolo_video.py", line 73, in <module>
    detect_img(YOLO(**vars(FLAGS)))
  File "E:\testshengduxuexi\yolotiny\keras-yolo3-master\yolo.py", line 45, in __init__
    self.boxes, self.scores, self.classes = self.generate()
  File "E:\testshengduxuexi\yolotiny\keras-yolo3-master\yolo.py", line 75, in generate
    self.yolo_model.load_weights(self.model_path)
  File "F:\python\Anaconda\lib\site-packages\keras\engine\topology.py", line 2656, in load_weights
    f, self.layers, reshape=reshape)
  File "F:\python\Anaconda\lib\site-packages\keras\engine\topology.py", line 3354, in load_weights_from_hdf5_group
    str(len(filtered_layers)) + ' layers.')
ValueError: You are trying to load a weight file containing 24 layers into a model with 147 layers.

全部的重点其实在这一句：

self.yolo_model.load_weights(self.model_path)

层数不匹配，查阅资料以及查看self.yolo_model.load_weights的源码得知，修改成这样可以解决问题：

self.yolo_model.load_weights(self.model_path, by_name=True)

但是再次报错了这样的问题：

ValueError: Layer #42 (named "conv2d_10") expects 1 weight(s), but the saved weights have 2 element(s).

怀疑是.h5文件出了问题或者是卷积层参数被改变，通过查看.h5文件该层，认定没有出什么问题。
从头查看代码，在train.py文件中看到了这样一句话：

model_body.load_weights(weights_path, by_name=True,  skip_mismatch=True)

也应用了model_body.load_weights这个函数，为什么没有报错？
于是把yolo.py的这句话

self.yolo_model.load_weights(self.model_path)

改成这样：

self.yolo_model.load_weights(self.model_path, by_name=True , skip_mismatch=True) 

解决问题。
意思是这样的：
加载预训练模型:

根据预训练模型的地址 weights_path, 加载模型, 按名称对应 by_name, 略过不匹配 skip_mismatch

为什么还不知道，欢迎大家讨论与指教。