YOLOv3测试时python接口分析

调用darknet python接口需使用darknet/python/darknet.py，而其中核心为detect（）函数，该参数主要参数为：

def detect(net, meta, image, thresh=.5, hier_thresh=.5, nms=.45)

而detect（）函数中的核心为dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes)，那么get_network_boxes（）函数在哪里呢？位于darknet/src下的network.c，那么network.c中的c#函数如何传到python里的呢？通过darknet/example/darknet.c编译生成的libdarknet.so包被加载到python中最后被darknet.py调用。那么get_network_boxes（）的主要内容如下：

detection *get_network_boxes(network *net, int w, int h, float thresh, float hier, int *map, int relative, int *num)
{
    detection *dets = make_network_boxes(net, thresh, num);
    fill_network_boxes(net, w, h, thresh, hier, map, relative, dets);
    return dets;
}

可知，首先通过make_network_boxes（）生成检测（dets）信息，然后以fill_network_boxes（）过滤boxes。

make_networks_boxes（）函数如下：

detection *make_network_boxes(network *net, float thresh, int *num)
{
    layer l = net->layers[net->n - 1];
    int i;
    int nboxes = num_detections(net, thresh);
    if(num) *num = nboxes;
    detection *dets = calloc(nboxes, sizeof(detection));
    for(i = 0; i < nboxes; ++i){
        dets[i].prob = calloc(l.classes, sizeof(float));
        if(l.coords > 4){
            dets[i].mask = calloc(l.coords-4, sizeof(float));
        }
    }
    return dets;
}

核心得到框nboxes为函数num_detections（），然后由calloc（）函数为其分配内存空间，具体为：

int num_detections(network *net, float thresh)
{
    int i;
    int s = 0;
    for(i = 0; i < net->n; ++i){
        layer l = net->layers[i];
        if(l.type == YOLO){
            s += yolo_num_detections(l, thresh);
        }
        if(l.type == DETECTION || l.type == REGION){
            s += l.w*l.h*l.n;
        }
    }
    return s;
}

通过YOLO或DETECTION或REGION分别对应yolov3、v1和v2的检测层得到boxes。

往回看get_network_boxes（）函数中的过滤函数fill_networ_boxes（），具体code为：

void fill_network_boxes(network *net, int w, int h, float thresh, float hier, int *map, int relative, detection *dets)
{
    int j;
    for(j = 0; j < net->n; ++j){
        layer l = net->layers[j];
        if(l.type == YOLO){
            int count = get_yolo_detections(l, w, h, net->w, net->h, thresh, map, relative, dets);
            dets += count;
        }
        if(l.type == REGION){
            get_region_detections(l, w, h, net->w, net->h, thresh, map, hier, relative, dets);
            dets += l.w*l.h*l.n;
        }
        if(l.type == DETECTION){
            get_detection_detections(l, w, h, thresh, dets);
            dets += l.w*l.h*l.n;
        }
    }

其中通过get_yolo_detections或get_region_detections或get_detection_detections三个函数分别对应yolov3、v2、v1三个版本的检测层，三者的实现分别位于yolo_layer.c、region_layer.c和detection_layer.c中实现。其中的hier_thresh最终传递到region_layer.c中实现，如需了解hier_thresh的具体作用，可参考博主博文：https://blog.csdn.net/xunan003/article/details/96150121