看到有人使用tensorflow復現了yoloV3，來此記錄下代碼閱讀。感覺復現的代碼寫的不是很好，會加一部分其他人用keras復現的代碼。
tensorflow代碼地址：https://blog.csdn.net/IronMastiff/article/details/79940118
源代碼分為以下幾部分：
Train.py為主程序train.py部分為訓練自己的數據集，eval.py為利用訓練好的權重來進行預測。Reader為讀取數據標簽等，config.yml為訓練過程中的一些參數設置，eval_config.yml為預測過程中的一些參數設置。Utils包為其中的一些網絡結構，IOU等中間步驟。下面先介紹utils的中的程序
Net.py: 設置網絡結構，提取圖片信息。Darknet-53網絡結構如下。1x,2x等分別表示該結構重復了1次兩次等，Residual表示和前面方框外的結構進行按維度疊加，類似於殘差網絡。
feature_extractor 函數該提取三個尺度的信息scale1,scale2,scale3，分別為倒數第1,2,3個方框中網絡結構的輸出。之后，scales函數通過1x1，3x3卷積分別對三個尺度的特征單元進行特征交互。返回交互后的三個尺度信息。
最后輸出的三個不同尺度分別為 13X13X75,26X26X75,52X52X75具體交互信息可參考代碼結構。最后訓練時會選取不同scale參與計算loss，select_things就是選取不同scale的特征。
不太理解如何使用？是需要手動更改配置文件的scale選擇？如何選擇？
IOU.py 為NMS篩選anchor，用來參與最后的loss計算get_loss.py.先來解釋IOU
1 def IOU_calculator( x, y, width, height, l_x, l_y, l_width, l_height ): 2 ''' 3 x,y,width,height分別為預測框的中心坐標及寬，高，l_x, l_y, l_width, l_height分別為真實框的中心坐標及寬，高 4 ''' 5 ##x_min=x-w/2,y_min=y-h/2,x_max=x+w/2,y_max=y+h/2 此段意義為分別求出四個角坐標 6 x_max = calculate_max( x , width / 2 ) 7 y_max = calculate_max( y, height / 2 ) 8 x_min = calculate_min( x, width / 2 ) 9 y_min = calculate_min( y, height / 2 ) 10 11 l_x_max = calculate_max( l_x, width / 2 ) 12 l_y_max = calculate_max( l_y, height / 2 ) 13 l_x_min = calculate_min( l_x, width / 2 ) 14 l_y_min = calculate_min( l_y, height / 2 ) 15 16 '''求相交部分的面積''' 17 xend = tf.minimum( x_max, l_x_max ) 18 xstart = tf.maximum( x_min, l_x_min ) 19 20 yend = tf.minimum( y_max, l_y_max ) 21 ystart = tf.maximum( y_min, l_y_min ) 22 23 area_width = xend - xstart 24 area_height = yend - ystart 25 26 '''IOU=A & B/(A+B-A & B)若A與B交集為0，則返回1e-8''' 27 area = area_width * area_height 28 29 all_area = tf.cond( ( width * height + l_width * l_height - area ) <= 0, lambda : tf.cast( 1e-8, tf.float32 ), lambda : ( width * height + l_width * l_height - area ) ) 30 31 IOU = area / all_area 32 33 IOU = tf.cond( area_width < 0, lambda : tf.cast( 1e-8, tf.float32 ), lambda : IOU ) 34 IOU = tf.cond( area_height < 0, lambda : tf.cast( 1e-8, tf.float32 ), lambda : IOU ) 35 36 return IOU
get_loss.py為計算損失函數，他的損失函數計算是按照yolov1來計算的，有點問題。
1 def objectness_loss( input, switch, l_switch, alpha = 0.5 ): 2 ''' 3 input為IOU，switch為若預測該框內有object則為1，否則為0，l_switch為實際該框有object則為1，否則為0 4 ''' 5 6 IOU_loss = tf.square( l_switch - input * switch ) ##input * switch類別置信度C 7 loss_max = tf.square( l_switch * 0.5 - input * switch ) 8 9 IOU_loss = tf.cond( IOU_loss < loss_max, lambda : tf.cast( 1e-8, tf.float32 ), lambda : IOU_loss ) 10 11 IOU_loss = tf.cond( l_switch < 1, lambda : IOU_loss * alpha, lambda : IOU_loss ) 12 13 return IOU_loss 14 15 def location_loss( x, y, width, height, l_x, l_y, l_width, l_height, alpha = 5 ): 16 point_loss = ( tf.square( l_x - x ) + tf.square( l_y - y ) ) * alpha 17 size_loss = ( tf.square( tf.sqrt( l_width ) - tf.sqrt( width ) ) + tf.square( tf.sqrt( l_height ) - tf.sqrt( height ) ) ) * alpha 18 19 location_loss = point_loss + size_loss 20 21 return location_loss 22 23 def class_loss( inputs, labels ): 24 classloss = tf.square( labels - inputs ) 25 loss_sum = tf.reduce_sum( classloss ) 26 27 return loss_sum
接下來是提取訓練數據的程序extract_labels.py 可下載pascal voc數據集，對照數據的格式來讀數據。比較麻煩，但是這個也是訓練程序與預測程序最大的不同點，這份代碼最大的亮點也在此，其他部分實現個人感覺並不是很好。數據既可以讀取類別標簽，也可讀取物體框的信息。
粗略的寫了一份程序解讀，因為只能找到一個tensorflow代碼實現，個人認為不是很好，希望有人有比較好的復現可以說一下。同時學好C++很重要呀，就可以直接讀取源碼了。