Yolov3的代码运行流程

Yolov3的代码运行流程如下：

包含准备，训练和测试3个阶段。

1.准备阶段

1.找到划分好的train.txt(里面包含划分好的训练图片编号，包含train和val)。

2.创建txt文件用于记录xml文件的路径和box坐标。

3.导入解析XML文件的包 import xml.etree.ElementTree as ET 属于voc_annotation.py这个文件。

4.打开VOCdevkit下Annotations的xml文件,利用ET遍历每张图片对应的xml文件里的object，

获取box的四个坐标(Xmin,Ymin,Xmax,Ymax),还有类别id(cls_id)。

5.将图片路径还有box的4个坐标和类别id写入之前创建的txt。

6.利用k-means算法生成9个簇的anchor(cluster_number = 9)，每个尺寸输出3个anchor

7.具体做法为：

打开之前的生成的txt文件(包含图片路径，图片里box的4个坐标和所属类别id)

通过坐标计算的到每个box的宽和高，利用k-means算法从所有的box集合里随机选取9((cluster_number )个box作为中心点

clusters = boxes[np.random.choice(box_number, k, replace=False)]生成中心簇

用distances = 1 - self.iou(boxes, clusters)来计算每个box离哪个簇最近，获取该簇索引

簇的分类结束之后利用dist=np.median的方式更新簇，再次利用新的中心点进行计算直到中心点不改变为止

返回得到的簇的中心点(anc