Keras YOLOv3代码详解（三）：目标检测的流程图和源代码+中文注释

Keras YOLOv3源代码下载地址：https://github.com/qqwweee/keras-yolo3

YOLOv3论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf

关于darknet53网络的图像识别，请查看源文件：

keras-yolo3-master\yolo.py

keras-yolo3-master\yolo3\model.py

keras-yolo3-master\yolo3\utils.py

上一周，我们介绍了YOLOv3的目标识别原理，请参考：

Keras YOLOv3代码详解（二）：目标检测原理解析

 

这篇文章的主要内容包括：（一）目标检测的核心函数，（二）目标检测流程图，（三）源代码+中文注释。

（一）目标检测的核心函数

YOLOv3的目标检测源代码，核心的函数包括：

detect_image()

generate()

yolo_eval()

yolo_model()

yolo_boxes_and_scores()

yolo_head()

yolo_correct_boxes()

等。

其中，yolo_model()已经在前面的文章中详细介绍过，请参考：

Keras YOLO v3代码详解（一）：darknet53网络结构分析+Netron工具

 

（二）目标检测流程

YOLOv3的目标识别的源代码流程大致如下：

（1）设置缺省值并初始化：

（2）detect_image()将图片缩放成416x416大小，调用yolo_model()，生成13x13、26x26与52x52等3个feature map的输出，对这3个feature map进行预测，调用yolo_eval()函数得到目标框、目标框得分和类别，然后使用Pillow对发现的每一类对象的每一个目标框，绘制标签、框和文字：

（3）在yolo_eval()函数中调用yolo_boxes_and_scores()得到目标框、目标框得分和类别。而在yolo_boxes_and_scores()函数中，先调用yolo_head()函数计算每一个网格的目标对象的中心点坐标box_xy和目标框的宽与高box_wh，以及目标框的置信度box_confidence和类别置信度box_class_probs；然后调用yolo_correct_boxes（），将box_xy, box_wh转换为输入图片上的真实坐标，输出boxes是框的左下、右上两个坐标(y_min, x_min, y_max, x_max)：

（4）完整的代码流程图如下图所示：

 

（三）源代码+中文注释

（3.1）yolo.py

class YOLO(obje