0.摘要

最近一段时间在学习yolo3，看了很多博客，理解了一些理论知识，但是学起来还是有些吃力，之后看了源码，才有了更进一步的理解。在这里，我不在赘述网络方面的代码，网络方面的代码比较容易理解，下面将给出整个yolo3代码的详解解析，整个源码中函数的作用以及调用关系见下图：

参考：https://blog.csdn.net/weixin_41943311/article/details/95672137?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

1.model.py

1.1 yolo_head()

yolo_head()函数的输入是Darknet53的最后输出的三个特征图feats，anchors，num_class,input_shpe，此函数的功能是将特征图的进行解码，这一步极为重要，如其中一个特征图的shape是（13,13,255），其实质就是对应着（13,13,3,85）,分别对应着13*13个网格，每个网格3个anchors，85=（x，y，w，h，confident）,此时box的xy是相对于网格的偏移量，所以还需要经过一些列的处理，处理方式见下图：

def yolo_head(feats, anchors, num_classes, input_shape, calc_loss=False):"""Convert final layer features to bounding box parameters."""num_anchors = len(anchors)#num_anchors=3# Reshape to batch, height, width, num_anchors, box_params.anchors_tensor = K.reshape(K.constant(anchors), [1, 1, 1, num_anchors, 2])#anchors=anchors[anchors_mask[1]]=anchors[[6,7,8]]= [116,90],  [156,198],  [373,326]"""#通过arange、reshape、tile的组合，根据grid_shape(13x13、26x26或52x52）创建y轴的0~N-1的组合grid_y，再创建x轴的0~N-1的组合grid_x，将两者拼接concatenate，形成NxN的grid(13x13、26x26或52x52）"""grid_shape = K.shape(feats)[1:3] # height, width,#13x13或26x26或52x52grid_y = K.tile(K.reshape(K.arange(0, stop=grid_shape[0]), [-1, 1, 1, 1]),[1, grid_shape[1], 1, 1])grid_x = K.tile(K.reshape(K.arange(0, stop=grid_shape[1]), [1, -1, 1, 1]),[grid_shape[0], 1, 1, 1])grid = K.concatenate([grid_x, grid_y])grid = K.cast(grid, K.dtype(feats))#cast函数用法：cast(x, dtype, name=None)，x:待转换的张量，type：需要转换成什么类型"""grid形式：（0,0），（0,1），（0,2）......(1,0),(1,1).....(12,12)"""feats = K.reshape(feats, [-1, grid_shape[0], grid_shape[1], num_anchors, num_classes + 5])"""(batch_size,13,13,3,85)""""此时的xy为中心坐标，相对于左上角的中心坐标"

<span style="color: #008000;">#</span><span style="color: #008000;"> Adjust preditions to each spatial grid point and anchor size.</span>
<span style="color: #800000;">"""</span><span style="color: #800000;">将预测值调整为真实值</span><span style="color: #800000;">"""</span>
<span style="color: #800000;">"</span><span style="color: #800000;">将中心点相对于网格的坐标转换成在整张图片中的坐标，相对于13/26/52的相对坐标</span><span style="color: #800000;">"</span>
<span style="color: #800000;">"</span><span style="color: #800000;">将wh转换成预测框的wh，并处以416归一化</span><span style="color: #800000;">"</span><span style="color: #000000;">
box_xy </span>= (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))<span style="color: #008000;">#</span><span style="color: #008000;">实际上就是除以13或26或52</span>
<span style="color: #008000;">#</span><span style="color: #008000;">box_xy = (K.sigmoid(feats[:,:,:,:2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))</span>
<span style="color: #008000;">#</span><span style="color: #008000;"> ...操作符，在Python中，“...”(ellipsis)操作符，表示其他维度不变，只操作最前或最后1维；</span>
box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1<span style="color: #000000;">], K.dtype(feats))
box_confidence </span>= K.sigmoid(feats[..., 4:5<span style="color: #000000;">])
box_class_probs </span>= K.sigmoid(feats[..., 5<span style="color: #000000;">:])
</span><span style="color: #008000;">#</span><span style="color: #008000;">切片省略号的用法，省略前面左右的冒号，参考博客：https://blog.csdn.net/z13653662052/article/details/78010654?depth_1-utm_source=distribute.pc_relevant.none-task&amp;utm_source=distribute.pc_relevant.none-task</span><span style="color: #0000ff;">if</span> calc_loss ==<span style="color: #000000;"> True:</span><span style="color: #0000ff;">return</span><span style="color: #000000;"> grid, feats, box_xy, box_wh
</span><span style="color: #0000ff;">return</span><span style="color: #000000;"> box_xy, box_wh, box_confidence, box_class_probs
</span><span style="color: #008000;">#</span><span style="color: #008000;">预测框相对于整张图片中心点的坐标与预测框的wh</span></pre>