YOLOv2檢測過程的Tensorflow實現
訓練好的模型請在yolo2檢測模型下載
https://pan.baidu.com/s/1ZeT5HerjQxyUZ_L9d3X52w
一、全部程式碼解讀如下：
1、model_darknet19.py：yolo2網路模型——darknet19。
YOLOv2採用了一個新的基礎模型（特徵提取器），稱為Darknet-19，包括19個卷積層和5個maxpooling層，如下圖。Darknet-19與VGG16模型設計原則是一致的，主要採用3*3卷積，採用2*2的maxpooling層之後，特徵圖維度降低2倍，而同時將特徵圖的channles增加兩倍。
主要特點有：
（1）去掉了全連線層fc
·這樣大大減少了網路的引數，個人理解這是yolo2可以增加每個cell產生邊界框以及每個邊界框能夠單獨的對應一組類別概率的原因。
·並且，網路下采樣是32倍，這樣也使得網路可以接收任意尺寸的圖片，所以yolo2有了 Multi-Scale Training多尺度訓練 的改進：輸入圖片resize到不同的尺寸（論文中選用320,352...，608十個尺寸，下采樣32倍對應10*10~19*19的特徵圖）。每訓練10個epoch，將圖片resize到另一個不同的尺寸再訓練。這樣一個模型可以適應不同的輸入圖片尺寸，輸入影象大(608*608)精度高速度稍慢、輸入圖片小(320*320)精度稍低速度快，增加了模型對不同尺寸圖片輸入的魯棒性。
（2）在每個卷積層後面都加入一個BN層並不再使用droput
·這樣提升模型收斂速度，而且可以起到一定正則化效果，降低模型的過擬合。
（3）採用跨層連線 Fine-Grained Features
·YOLOv2的輸入圖片大小為416*416，經過5次maxpooling（下采樣32倍）之後得到13*13大小的特徵圖，並以此特徵圖採用卷積做預測。這樣會導致小的目標物體經過5層maxpooling之後特徵基本沒有了。所以yolo2引入passthrough層：前面的特徵圖維度是後面的特徵圖的2倍，passthrough層抽取前面層的每個2*2的區域性區域，然後將其轉化為channel維度，對於26*26*512的特徵圖，經passthrough層處理之後就變成了13*13*2048的新特徵圖，這樣就可以與後面的13*13*1024特徵圖連線在一起形成13*13*3072大小的特徵圖，然後在此特徵圖基礎上卷積做預測。作者在後期的實現中借鑑了ResNet網路，不是直接對高分辨特徵圖處理，而是增加了一箇中間卷積層，先採用64個1*1卷積核進行卷積，然後再進行passthrough處理，這樣26*26*512的特徵圖得到13*13*256的特徵圖。這算是實現上的一個小細節。
2、decode.py：解碼darknet19網路得到的引數.
3、utils.py：功能函式，包含：預處理輸入圖片、篩選邊界框NMS、繪製篩選後的邊界框。
這裡著重介紹NMS中IOU計算方式：yolo2中計算IOU只考慮形狀，先將anchor與ground truth的中心點都偏移到同一位置（cell左上角），然後計算出對應的IOU值。
IOU計算難點在於計算交集大小：首先要判斷是否有交集，然後再計算IOU。計算時候有一個trick，只計算交集部分的左上角和右下角座標即可，通過取max和min計算：
4、Main.py：YOLO_v2主函式
對應程式有三個步驟：
（1）輸入圖片進入darknet19網路得到特徵圖，並進行解碼得到：xmin xmax表示的邊界框、置信度、類別概率
（2）篩選解碼後的迴歸邊界框——NMS
（3）繪製篩選後的邊界框
執行環境：
Python3 + Tensorflow1.5 + OpenCV-python3.3.1 + Numpy1.13
windows和ubuntu環境都可以
準備工作：
請在yolo2檢測模型下載模型，並放到yolo2_model資料夾下
https://pan.baidu.com/s/1ZeT5HerjQxyUZ_L9d3X52w
檔案說明：
1、model_darknet19.py：yolo2網路模型——darknet19
2、decode.py：解碼darknet19網路得到的引數
3、utils.py：功能函式，包含：預處理輸入圖片、篩選邊界框NMS、繪製篩選後的邊界框
4、config.py：配置檔案，包含anchor尺寸、coco資料集的80個classes類別名稱
5、Main.py：YOLO_v2主函式，對應程式有三個步驟：
（1）輸入圖片進入darknet19網路得到特徵圖，並進行解碼得到：xmin xmax表示的邊界框、置信度、類別概率
（2）篩選解碼後的迴歸邊界框——NMS
（3）繪製篩選後的邊界框
6、Loss.py：Yolo_v2 Loss損失函式（train時候用，預測時候沒有呼叫此程式）
（1）IOU值最大的那個anchor與ground truth匹配，對應的預測框用來預測這個ground truth:計算xywh、置信度c(目標值為1)、類別概率p誤差。
（2）IOU小於某閾值的anchor對應的預測框：只計算置信度c(目標值為0)誤差。
（3）剩下IOU大於某閾值但不是max的anchor對應的預測框：丟棄，不計算任何誤差。
7、yolo2_data資料夾：包含待檢測輸入圖片car.jpg、檢測後的輸出圖片detection.jpg、coco資料集80個類別名稱coco_classes.txt
執行Main.py即可得到效果圖：
1、car.jpg：輸入的待檢測圖片
2、detected.jpg：檢測結果視覺化
可以看到，跟yolo1對比，yolo2引入anchor後檢測精度有了提升（car和person的類別置信度高了許多），並且每個邊界框對應一組類別概率解決了yolo1中多個目標中心點落在同一個cell只能檢測一個物體的問題（左側兩個person都檢測出來了）。相比yolo1還是有一定提升的。
原文釋出時間為：2018-10-16
本文來自雲棲社群合作伙伴“ OA==&mid=2650341589&idx=1&sn=8e3f8f1f320aa99a7d2eb9968ce75674&chksm=87811626b0f69f30502e01426073b2d4b43b0abd1fbde3190fb4d59e307db208bfdcfca14ae3&scene=0#rd" target="_blank" rel="nofollow,noindex">大資料探勘DT機器學習 ”，瞭解相關資訊可以關注“ 大資料探勘DT機器學習 ”。