YOLO物体检测-系列教程5：YOLOV3项目实战2之 darknet模型构造、前向传播计算方式

YOLO 系列教程 总目录

上篇内容：

YOLOV3项目实战1之 整体介绍与数据处理

YOLOV3提出论文：《Yolov3: An incremental improvement》

4、模型创建函数

模型创建函数 位置：项目 / utils / models.py / def create_modules

def create_modules(module_defs):
    hyperparams = module_defs.pop(0)
    output_filters = [int(hyperparams["channels"])]
    module_list = nn.ModuleList()
    for module_i, module_def in enumerate(module_defs):
        modules = nn.Sequential()
        if module_def["type"] == "convolutional":（暂时省略）
        elif module_def["type"] == "maxpool":（暂时省略）
        elif module_def["type"] == "upsample":（暂时省略）
        elif module_def["type"] == "route":（暂时省略）
        elif module_def["type"] == "shortcut":（暂时省略）
        elif module_def["type"] == "yolo":（暂时省略）
        module_list.append(modules)
        output_filters.append(filters)
    return hyperparams, module_list

1. 模型创建函数，读进来配置文件module_defs
2. 从 module_defs 列表中移除第一个元素，并将其存储在 hyperparams 变量中。这个元素通常包含了一些超参数（例如，输入通道数和其他配置信息），它们用于定义网络的输入和全局参数
3. 创建了一个名为 output_filters 的列表，其中包含一个整数，表示模型的输出通道数
4. 创建了一个空的 PyTorch ModuleList 对象，用于存储神经网络的各个模块
5. 迭代 module_defs 列表，逐个处理模块的定义，module_i 是当前迭代的模块索引，module_def 包含了当前模块的配置信息，例如模块的类型、参数等
6. 在每次迭代中，创建了一个空的 PyTorch Sequential 容器，用于存储当前模块中的层次。
7. 接下来是6个多向if语判断句，分别为：
   1. 处理卷积层的情况
   2. 最大池化层
   3. 上采样层
   4. 路由层
   5. 快捷连接层
   6. YOLO 层
8. module_list.append(modules)这一行代码将当前处理的模块的层次结构 modules 添加到神经网络模型的 module_list 中。module_list 是一个 PyTorch ModuleList 对象，它用于存储神经网络的各个模块（例如卷积层、池化层、激活函数等）
9. output_filters.append(filters)：这一行代码将当前处理的模块的输出通道数 filters 添加到 output_filters 列表中。output_filters 用于跟踪每个模块的输出通道数，以便在构建下一个模块时确定输入通道数。

5、卷积层的处理

在4中介绍了模型创建函数，但是if判断语句中没有给出内容，在5介绍一下卷积层是如何处理的

if module_def["type"] == "convolutional":
    bn = int(module_def["batch_normalize"])
    filters = int(module_def["filters"])
    kernel_size = int(module_def["size"])
    pad = (kernel_size - 1) // 2
    modules.add_module(
        f"conv_{module_i}",
        nn.Conv2d(
            in_channels=output_filters[-1],
            out_channels=filters,
            kernel_size=kernel_size,
            stride=int(module_def["stride"]),
            padding=pad,
            bias=not bn,
        ),
    )
    if bn:
        modules.add_module(f"batch_norm_{module_i}", nn.BatchNorm2d(filters, momentum=0.9, eps=1e-5))
    if module_def["activation"] == "leaky":
        modules.add_module(f"leaky_{module_i}", nn.LeakyReLU(0.1))

1. 检查当前type值为convolutional，即卷积层：在配置文件中，每个模块开头都有一个中括号括起来的部分，这个是一个type值。
2. 解析是否应该使用批归一化的信息，将其转换为整数值。如果 batch_normalize 为1，表示应该使用批归一化，否则为0，表示不使用。
3. 解析卷积层的输出通道数（即卷积核数量）
4. 解析卷积核的大小。
5. 计算卷积层的填充大小，以确保输出的特征图尺寸与输入一致。
6. 使用 PyTorch 的 nn.Conv2d 创建卷积层并添加到 modules 容器中：
   1. 输入通道数等于上一层的输出通道数
   2. 输出通道数等于当前卷积层的配置中指定的通道数
   3. 卷积核大小
   4. 卷积层的步幅
   5. 填充大小
   6. 是否使用偏置项。如果使用批归一化 (bn 为1)，则不使用偏置项
7. 如果 bn 为真（即应该使用批归一化），则添加批归一化层到 modules 容器中：nn.BatchNorm2d(filters, momentum=0.9, eps=1e-5)：创建批归一化层，其中 filters 表示通道数，momentum 和 eps 是批归一化的超参数。
8. 如果当前卷积层的激活函数为 “leaky”，则添加 Leaky ReLU 激活函数层到 modules 容器中：nn.LeakyReLU(0.1)：创建 Leaky ReLU 激活函数层，参数 0.1 是斜率，控制着负数部分的输出

6、最大池化层的处理

elif module_def["type"] == "maxpool":
    kernel_size = int(module_def["size"])
    stride = int(module_def["stride"])
    if kernel_size == 2 and stride == 1:
        modules.add_module(f"_debug_padding_{module_i}", nn.ZeroPad2d((0, 1, 0, 1)))
    maxpool = nn.MaxPool2d(kernel_size=kernel_size, stride=stride, padding=int((kernel_size - 1) // 2))
    modules.add_module(f"maxpool_{module_i}", maxpool)

1. elif module_def["type"] == "maxpool":：这个条件语句检查当前模块是否为最大池化层
2. kernel_size = int(module_def["size"])：解析模块配置中的池化核大小，将其转换为整数
3. stride = int(module_def["stride"])：解析模块配置中的池化层步幅，将其转换为整数
4. if kernel_size == 2 and stride == 1:：这一行代码检查是否满足一个特定条件，即池化核大小为2且步幅为1。如果满足这个条件，就执行下面的操作
   • modules.add_module(f"_debug_padding_{module_i}", nn.ZeroPad2d((0, 1, 0, 1)))：这里添加了一个用于调试的零填充层。具体来说，它使用 nn.ZeroPad2d 在输入图像的底部和右侧各添加一列零填充。这个填充的目的可能是为了处理特定情况下的池化层，以确保输出大小与输入大小一致。这个步骤通常是为了处理某些特殊情况而添加的
5. 创建最大池化层并添加到 modules 容器中：
   • maxpool = nn.MaxPool2d(kernel_size=kernel_size, stride=stride, padding=int((kernel_size - 1) // 2))：创建最大池化层，其中包括池化核大小、步幅和填充大小的配置
   • modules.add_module(f"maxpool_{module_i}", maxpool)：将最大池化层添加到 modules 容器中，命名为 maxpool_{module_i}，其中 module_i 是当前模块的索引

通过上述操作，当前最大池化层的配置被解析，并相应地创建了相应的 PyTorch 模块，这些模块将在神经网络模型中用于后续的前向传播计算。最大池化层用于减小特征图的尺寸，以帮助网络提取更高级别的特征。

7、上采样层的处理

5、读取配置文件

配置文件：项目位置\PyTorch-YOLOv3\config\yolov3.cfg
部分参数展示：

batch=16
subdivisions=1
width=416

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

上面主要是一些训练参数，紧接着都是卷积的参数
模型文件：项目位置\PyTorch-YOLOv3\models.py
我们的主体模型在darknet.类中，是model.py文件中的一个类，实际上就是darknet53

在PyTorch深度学习框架中，用类来定义模型，类的构造函数用来定义模型的参数，forward函数用来定义前向传播计算方法

class Darknet(nn.Module):
    def __init__(self, config_path, img_size=416):
        super(Darknet, self).__init__()
        self.module_defs = parse_model_config(config_path)
        self.hyperparams, self.module_list = create_modules(self.module_defs)
        self.yolo_layers = [layer[0] for layer in self.module_list if hasattr(layer[0], "metrics")]
        self.img_size = img_size
        self.seen = 0
        self.header_info = np.array([0, 0, 0, self.seen, 0], dtype=np.int32)

1. parse_model_config方法读取配置文件
2. 创建模型

这个构造函数，在读取参数的同时也定义了大部分的网络结构