YOLOV3解读（2）
具体分析create_model
在create_model方法中，创建YOLO v3的网络结构，其中参数：
- input_shape：输入图片的尺寸，默认是(416,416)；
- anchors：默认的9种anchor box，shape是(9,2)；
- num_classes：类别数，创建网络只需要类别数即可，类别按0~n排列，输入类别也是索引；
- load_pretrained：是否使用预训练模型；
- freeze_body：冻结模式，1或2，1是冻结DarkNet53模型，2是只保留最后3个1x1卷积层；
- weights_path：预训练的权重路径；
代码如下
def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
weights_path='model_data/yolo_weights.h5'):
**yolo_weight.h5是由.weight转换而来，转换程序为convert.py文件 **
逻辑
将参数进行处理：
- 拆分图片尺寸的宽h和高w；
- 创建图片的输入格式image_input，显式如(416, 416, 3)，隐式如(?, ?, 3)；
- 计算anchor的数量num_anchors；
- 根据anchor的数量，创建真值y_true的输入格式；
代码如下
h, w = input_shape # 尺寸
image_input = Input(shape=(w, h, 3)) # 图片输入格式
num_anchors = len(anchors) # anchor数量
# YOLO的三种尺度，每个尺度的anchor数，类别数+边框4个+置信度1
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)]
h，w都经过了相应尺寸的缩放，对应各自的三种anchor值，有几个类别，就会设置多少个初始值为0的空间，最后只有预测的那一位置1
其中，真值y_true，真值即Ground Truth：
“//”是Python语法中的整除符号，通过循环创建3个Input层，组成列表，作为y_true，假设class为1，格式如下：
Tensor("input_2:0", shape=(?, 13, 13, 3, 6), dtype=float32)
Tensor("input_3:0", shape=(?, 26, 26, 3, 6), dtype=float32)
Tensor("input_4:0", shape=(?, 52, 52, 3, 6), dtype=float32)
其中，第1位是样本数，第2~3位是特征图的尺寸13x13，第4位是每个图的anchor数，第5位是：类别(n)+4个框值（x,y,w,h）+框的置信度（是否含有物体）。
通过图片输入Input层image_input、每个尺度的anchor数num_anchors//3、类别数num_classes，创建YOLO v3的网络结构，即：
model_body = yolo_body(image_input, num_anchors // 3, num_classes)
shape=（？，416，416，3，6）
接着，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；
选择冻结模式：
- 模式1的层数是185，也就是freeze整个darknet，模式2的层数是保留最后3层；其中，模型共有252层；
- 将选择的层数，设置为可训练，model_body.layers[i].trainable=True
代码如下
if load_pretrained: # 加载预训练模型
model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
if freeze_body in [1, 2]:
# Freeze darknet53 body or freeze all but 3 output layers.
num = (185, len(model_body.layers) - 3)[freeze_body - 1]
for i in range(num):
model_body.layers[i].trainable = False # 将其他层的训练关闭
接着，设置模型损失层model_loss：
- Lambda是Keras的自定义层，输入为(model_body.output + y_true)，输出为output_shape=(1,)；
- 层的名字name为yolo_loss；
- 参数为anchors锚框、类别数num_classes，ignore_thresh是物体置信度损失（object confidence
loss）的IoU（Intersection over Union，重叠度）阈值； - yolo_loss是核心的损失函数；
- model_loss是由模型输出及搭建的y_true共同得到
model_body.output指代的是经过神经网络后得到的模型输出
代码如下
model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
arguments={'anchors': anchors,
'num_classes': num_classes,
'ignore_thresh': 0.5}
)(model_body.output ,* y_true)
接着，创建最终模型：
模型的输入：model_body的输入层，即image_input，和y_true；
模型的输出：model_loss的输出，一个值，output_shape=(1,)；
保存模型的网络图plot_model，和打印网络model.summary()；
代码如下
model = Model(inputs=[model_body.input] + y_true, outputs=model_loss) # 模型
plot_model(model, to_file=os.path.join('model_data', 'model.png'), show_shapes=True, show_layer_names=True) # 存储网络结构
model.summary() # 打印网络
其中，model_body.input是任意(?)个(416,416,3)的图片，即
Tensor("input_1:0", shape=(?, 416, 416, 3), dtype=float32)
y_true是已标注数据转换的真值结构，即
[Tensor("input_2:0", shape=(?, 13, 13, 3, 6), dtype=float32),
Tensor("input_3:0", shape=(?, 26, 26, 3, 6), dtype=float32),
Tensor("input_4:0", shape=(?, 52, 52, 3, 6), dtype=float32)]
参考：
http://www.jintiankansha.me/t/D7hikktv8s