yolov3 keras版本yolo.py各函数解析

 class yolo：获取信息、预训练模型地址、anchor文件位置、类别文件位置、score阈值、IOU阈值、输入图像尺寸、gpu数量。

#用于融合所有的组件

class YOLO(object):
    _defaults = {
        "model_path": 'model_data/yolo.h5',   #训练好的模型
        "anchors_path": 'model_data/yolo_anchors.txt', # anchor box 9个， 从小到大排列
        "classes_path": 'model_data/coco_classes.txt',    #类别数
        "score" : 0.3,   #score 阈值
        "iou" : 0.45,  #iou 阈值
        "model_image_size" : (416, 416),  #输入图像尺寸
        "gpu_num" : 1,  #gpu数量
    }

 def get_defaults(cls, n):读取默认值（上边的信息）

 # 使用类方法
    @classmethod
    def get_defaults(cls, n):
        if n in cls._defaults:
            return cls._defaults[n]
        else:
            return "Unrecognized attribute name '" + n + "'"

 def __init__(self, **kwargs):建立默认值，更新用户覆盖，获取类别名称，anchor，获取keras已经建立的session、boxes.score，类别。

 def __init__(self, **kwargs):
        self.__dict__.update(self._defaults) # set up default values
        self.__dict__.update(kwargs) # and update with user overrides
        self.class_names = self._get_class()   #获取类别名称
        self.anchors = self._get_anchors()  #anchor
        self.sess = K.get_session()      #获取keras已经建立的session
        self.boxes, self.scores, self.classes = self.generate()  #由generate()函数完成目标检测

 def _get_class(self):通过读取类别文件获取类别名。

    def _get_class(self):
        classes_path = os.path.expanduser(self.classes_path) #把path中包含的"~"和"~user"转换成用户目录
        with open(classes_path) as f:
            class_names = f.readlines()
        class_names = [c.strip() for c in class_names]  #默认删除字符串头和尾的空格和换行符
        return class_names

def _get_anchors(self):和类别相似，读取anchor文件中的数据。

    def _get_anchors(self):
        anchors_path = os.path.expanduser(self.anchors_path)
        with open(anchors_path) as f:

            anchors = f.readline()
        anchors = [float(x) for x in anchors.split(',')]
        return np.array(anchors).reshape(-1, 2)

def generate(self):

①加载权重参数文件，生成检测框，得分，以及对应类别

②利用model.py中的yolo_eval函数生成检测框，得分，所属类别

③初始化时调用generate函数生成图片的检测框，得分，所属类别（self.boxes, self.scores, self.classes）

    def generate(self):
        model_path = os.path.expanduser(self.model_path)#获取model路径
        assert model_path.endswith('.h5'), 'Keras model or weights must be a .h5 file.' #判断model是否以h5结尾

        # Load model, or construct model and load weights.
        num_anchors = len(self.anchors) #num_anchors = 9。yolov3有9个先验框
        num_classes = len(self.class_names) #num_cliasses = 80。 #coco集一共80类
        is_tiny_version = num_anchors==6 # default setting
        try:
            self.yolo_model = load_model(model_path, compile=False)
        except:
            self.yolo_model = tiny_yolo_body(Input(shape=(None,None,3)), num_anchors//2, num_classes) \
                if is_tiny_version else yolo_body(Input(shape=(None,None,3)), num_anchors//3, num_classes)
            self.yolo_model.load_weights(self.model_path) # make sure model, anchors and classes match
        else:
            #[-1]:网络最后一层输出。 output_shape[-1]:输出维度的最后一维。 -> (?,13,13,255)
            # 255 = 9/3*(80+5). 9/3:每层特征图对应3个anchor box  80:80个类别 5:4+1,框的4个值+1个置信度
            assert self.yolo_model.layers[-1].output_shape[-1] == \
                num_anchors/len(self.yolo_model.output) * (num_classes + 5), \
                'Mismatch between model and given anchor and class sizes'

        print('{} model, anchors, and classes loaded.'.format(model_path))

        # Generate colors for drawing bounding boxes.
        # 生成绘制边框的颜色。
        # h(色调）：x/len(self.class_names)  s(饱和度）：1.0  v(明亮）：1.0

        # 对于80种coco目标，确定每一种目标框的绘制颜色，即：将(x/80, 1.0, 1.0)的颜色转换为RGB格式，并随机调整颜色以便于肉眼识别，
        # 其中：一个1.0表示饱和度，一个1.0表示亮度
        hsv_tuples = [(x / len(self.class_names), 1., 1.)
                      for x in range(len(self.class_names))]
        self.colors = list(map(lambda x: colorsys.hsv_to_rgb(*x), hsv_tuples))   #hsv转换为rgb
        self.colors = list(
            # hsv取值范围在【0,1】，而RBG取值范围在【0,255】，所以乘上255
            map(lambda x: (int(x[0] * 255), int(x[1] * 255), int(x[2] * 255)),
                self.colors))
        np.random.seed(10101)  # Fixed seed for consistent colors across runs.# np.random.seed():产生随机种子。固定种子为一致的颜色
        np.random.shuffle(self.colors)  # Shuffle colors to decorrelate adjacent classes. # 调整颜色来装饰相邻的类
        np.random.seed(None)  # Reset seed to default. #重置种子为默认

        # Generate output tensor targets for filtered bounding boxes.
        self.input_image_shape = K.placeholder(shape=(2, ))     #K.placeholder:keras中的占位符  相当于分配空间
                                                           #shape = (2,) 代表该张量有一个维度，第一个维度长度为2，一维数组1行2列
        # 若GPU个数大于等于2，调用multi_gpu_model()
        if self.gpu_num>=2:
            self.yolo_model = multi_gpu_model(self.yolo_model, gpus=self.gpu_num)
        boxes, scores, classes = yolo_eval(self.yolo_model.output, self.anchors,    #yolo_eval():yolo评估函数
                len(self.class_names), self.input_image_shape,
                score_threshold=self.score, iou_threshold=self.iou)
        return boxes, scores, classes

def detect_image(self, image):（重要）

开始计时->①调用letterbox_image函数，即：先生成一个用“绝对灰”R128-G128-B128填充的416×416新图片，然后用按比例缩放（采样方式：BICUBIC）后的输入图片粘贴，粘贴不到的部分保留为灰色。②model_image_size定义的宽和高必须是32的倍数；若没有定义model_image_size，将输入的尺寸调整为32的倍数，并调用letterbox_image函数进行缩放。③将缩放后的图片数值除以255，做归一化。④将（416,416,3）数组调整为（1,416,416,3）元祖，满足网络输入的张量格式：image_data。

->①运行self.sess.run（）输入参数：输入图片416×416，学习模式0测试/1训练。self.yolo_model.input: image_data，self.input_image_shape: [image.size[1], image.size[0]]，K.learning_phase(): 0。②self.generate（），读取：model路径、anchor box、coco类别、加载模型yolo.h5.，对于80中coco目标，确定每一种目标框的绘制颜色，即：将（x/80,1.0,1.0）的颜色转换为RGB格式，并随机调整颜色一遍肉眼识别，其中：一个1.0表示饱和度，一个1.0表示亮度。③若GPU>2调用multi_gpu_model()

->①yolo_eval(self.yolo_model.output),max_boxes=20,每张图没类最多检测20个框。②将anchor_box分为3组，分别分配给三个尺度，yolo_model输出的feature map③特征图越小，感受野越大，对大目标越敏感，选大的anchor box->分别对三个feature map运行out_boxes, out_scores, out_classes，返回boxes、scores、classes。

#detect_image作用：
    #要求进行检测的图片尺寸是32的倍数，原因：在网络中，执行的是5次步长为2的卷积操作，即
    #图片的默认尺寸是416*416，因为在最底层中的特征图大小是13*13，所以13*32=416
    def detect_image(self, image):
        start = timer()  #定时器
        # 调用letterbox_image()函数，即：先生成一个用“绝对灰”R128-G128-B128“填充的416x416新图片，
        # 然后用按比例缩放（采样方法：BICUBIC）后的输入图片粘贴，粘贴不到的部分保留为灰色
        if self.model_image_size != (None, None):  #判断图片是否存在
            assert self.model_image_size[0]%32 == 0, 'Multiples of 32 required'
            assert self.model_image_size[1]%32 == 0, 'Multiples of 32 required'
            # assert断言语句的语法格式 model_image_size[0][1]指图像的w和h，且必须是32的整数倍
            boxed_image = letterbox_image(image, tuple(reversed(self.model_image_size)))   #letterbox_image对图像调整成输入尺寸(w,h)
        else:
            new_image_size = (image.width - (image.width % 32),
                              image.height - (image.height % 32))
            boxed_image = letterbox_image(image, new_image_size)
        image_data = np.array(boxed_image, dtype='float32')

        print(image_data.shape) #（416，416,3）
        image_data /= 255. #将缩放后图片的数值除以255，做归一化

        image_data = np.expand_dims(image_data, 0)  # Add batch dimension.
        #批量添加一维 -> (1,416,416,3) 为了符合网络的输入格式 -> (bitch, w, h, c)

        out_boxes, out_scores, out_classes = self.sess.run(
            [self.boxes, self.scores, self.classes],
            #目的为了求boxes,scores,classes，具体计算方式定义在generate（）函数内。在yolo.py第61行
            feed_dict={  #喂参数
                self.yolo_model.input: image_data,  #图像数据
                self.input_image_shape: [image.size[1], image.size[0]], #图像尺寸416x416
                K.learning_phase(): 0  #学习模式 0：测试模型。 1：训练模式
            })
        # 绘制边框，自动设置边框宽度，绘制边框和类别文字，使用Pillow绘图库（PIL，头有声明）
        print('Found {} boxes for {}'.format(len(out_boxes), 'img'))
        # 设置字体
        font = ImageFont.truetype(font='font/FiraMono-Medium.otf',
                    size=np.floor(3e-2 * image.size[1] + 0.5).astype('int32'))
        # 设置目标框线条的宽度
        thickness = (image.size[0] + image.size[1]) // 300    #厚度
        # 对于c个目标类别中的每个目标框i，调用Pillow画图
        for i, c in reversed(list(enumerate(out_classes))):
            predicted_class = self.class_names[c]   #类别  #目标类别的名字
            box = out_boxes[i]  #框
            score = out_scores[i]  #置信度

            label = '{} {:.2f}'.format(predicted_class, score)  #标签
            draw = ImageDraw.Draw(image)    #输出：绘制输入的原始图片
            label_size = draw.textsize(label, font)  #标签文字   #返回label的宽和高（多少个pixels）

            top, left, bottom, right = box
            # 目标框的上、左两个坐标小数点后一位四舍五入
            top = max(0, np.floor(top + 0.5).astype('int32'))
            left = max(0, np.floor(left + 0.5).astype('int32'))
            # 目标框的下、右两个坐标小数点后一位四舍五入，与图片的尺寸相比，取最小值
            bottom = min(image.size[1], np.floor(bottom + 0.5).astype('int32'))
            right = min(image.size[0], np.floor(right + 0.5).astype('int32'))
            print(label, (left, top), (right, bottom))    #边框
            # 确定标签（label）起始点位置：左、下
            if top - label_size[1] >= 0:   #标签文字
                text_origin = np.array([left, top - label_size[1]])
            else:
                text_origin = np.array([left, top + 1])

            # My kingdom for a good redistributable image drawing library.
            # 画目标框，线条宽度为thickness
            for i in range(thickness):  #画框
                draw.rectangle(
                    [left + i, top + i, right - i, bottom - i],
                    outline=self.colors[c])
                # 画标签框
            draw.rectangle(  #文字背景
                [tuple(text_origin), tuple(text_origin + label_size)],
                fill=self.colors[c])
            # 填写标签内容
            draw.text(text_origin, label, fill=(0, 0, 0), font=font)  #文案
            del draw
        # 结束计时
        end = timer()
        print(end - start)
        return image