YOLOv3源码解析1-代码整体结构

YOLOv3源码解析1-代码整体结构

YOLOv3源码解析2-数据预处理Dataset()

YOLOv3源码解析3-网络结构YOLOV3()

YOLOv3源码解析4-计算损失compute_loss()

YOLOv3源码解析5-损失函数

 

理论部分参照大神的文章学习：

简书：关于YOLOv3的一些细节

github：源代码作者YOLOV3

知乎：【YOLO】yolo v1到yolo v3

知乎：目标检测|YOLO原理与实现

知乎：YOLO v3深入理解

CSDN：yolo系列之yolo v3【深度解析】

解析的代码地址：

github:tensorflow-yolov3

源码结构解析：

代码整体结构如下(原图大小20M太大上传不了，这是降低质量后的只有2M)，说实话，按照代码解析，画完这个图，我暗暗感叹，YOLOV3的作者真是牛逼，这么复杂的框架都能想出来，不服不行啊：

 

整体结构图太过复杂，不太方便看，下面把各个结构分解出来。下面是代码主流程：

上图中标红的Dataset()、YOLOV3()、conpute_loss()分别是数据预处理、建立网络框架、计算损失函数，下面将按这3块进行代码解析。

一）Dataset()数据预处理部分：

 

二）YOLOV3()建立模型框架部分：

 

1）其中的build_network()函数，建立网络模型

 

A)其中的darknet53()函数，建立基本的卷积网络，获取大中小3个等级的特征图：

 

其中反复用到了两个基本单元common.convolutional()和common.residual_block()结构分别如下：

• common.convolutional()

• common.residual_block()

 

2）其中的decode()函数，解码，返回预测框的xywh，置信度，预测概率

 

三）compute_loss()计算各部分损失： 

 

其中的loss_layer()（损失层）：

 

Dataset()、YOLOV3()、conpute_loss()分别是数据预处理、建立网络框架、计算损失函数，下面将按这3块进行代码解析。