YOLOV3从数据集到预测

实现代码使用Bubbliiiing博主的git代码，宝藏博主，希望自己能全部实现一遍博主实现过的代码睿智的目标检测26——Pytorch搭建yolo3目标检测平台_Bubbliiiing的博客-CSDN博客_睿智的目标检测26

 

第一步先将代码跑起来，跑起来后很多看着抽象的变量都能看的更具体，不用想象，从以下几个方面介绍

1、数据集处理

2、模型生成

3、计算loss

4、训练

5、预测

一、数据集处理

上一篇介绍过VOC数据集文件夹中各个文件夹的作用，这里主要使用VOC中Annotations、ImageSets-Main、JPEGImages文件夹，博主的voc_annotation.py是为了将各个文件夹的标注及图片整合，生成一个2007_train.txt.

voc_annotation.py主要做了以下几个工作

a、读取Annotation文件夹中的xml文件，计算共有m个，使用os.listdir列出文件夹内的xml文件列表（os.listdir读出来是乱序的，想要顺序排列需加入files=os.listdir(".")files.sort()）

b、根据训练和验证的比例，将xml列表内的文件名写入trainval.txt以及test.txt,train.txt,val.txt

c、根据b的训练txt中的名称列表读取xml文件

d、新建txt，写入当前读取到的图片路径以及图片名称对应的xml文件中的bndbox及类别

二、模型生成

模型backbone使用Darknet53

每一个ResidualBlock是构成网络的一个Layer。

每个Layer由一个卷积核大小为3X3、步长为2的卷积，加若干个Basic Block组成。

Basic Block由一个1X1的卷积和一次3X3的卷积，以及把这个结果加上上面的layer，组成

class BasicBlock(nn.Module):
    def __init__(self, inplanes, planes):
        super(BasicBlock, self).__init__()
        self.conv1  = nn.Conv2d(inplanes, planes[0], kernel_size=1, stride=1, padding=0, bias=False)
        self.bn1    = nn.BatchNorm2d(planes[0])
        self.relu1  = nn.LeakyReLU(0.1)
        
        self.conv2  = nn.Conv2d(planes[0], planes[1], kernel_size=3, stride=1, padding=1, bias=False)
        self.bn2    = nn.BatchNorm2d(planes[1])
        self.relu2  = nn.LeakyReLU(0.1)

    def forward(self, x):
        residual = x

        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu1(out)

        out = self.conv2(out)
        out = self.bn2(out)
        out = self.relu2(out)

        out += residual
        return out

Layer层中的卷积核大小为3X3、步长为2的卷积会压缩输入进来的特征层的宽和高

Basic Block不断的将1X1卷积和3X3卷积以及残差边叠加，大幅度的加深了网络。残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。（拷贝自Bubbliiiing）

backbone出来的结果处理可以分为两个部分，分别是：

• 构建FPN特征金字塔进行加强特征提取。
• 利用Yolo Head对三个有效特征层进行预测。

 构建FPN特征金字塔进行加强特征提取：

 主干网络共输出三个结果（两个中间结果（52*52*256,26*26*512），一个最终结果（13*13*1024））对这三个结果构建FPN。首先对最终结果（13*13*1024）进行5次卷积，结果用作yoloHead预测及上采样后与上一个中间结果（26*26*512）进行concat

对concat后的26*26*768（26*26*512concat26*26*256）进行5次卷积，结果用作yoloHead预测及  上采样后与上一个中间结果（52*52*256）进行concat

对concat后的52*52*384进行5次卷积，结果用作yoloHead预测

yoloHead搭建：

yoloHead是一次3x3卷积加上一次1x1卷积，3x3卷积的作用是特征整合，1x1卷积的作用是调整通道数。对yoloHead收到的三个特征层(13,13,512)、(26,26,256)、(52,52,128)进行整合，输出(13,13,75)，(26,26,75)，(52,52,75)

至此，模型部分搭建完成

三、计算loss

yolo计算loss需要先将预测结果中与真值IOU最大的那几个框挑出，再由这几个框与真值间做loss

挑出（decode）：

未完待续