Overview

I read some paper about object detection, and I have some ideas. I prepare to study the source code of some models.
The YOLO is the first method I had used. As a start, I will try to understand YOLO's code. It's time consuming to read darknet because it was based on C to develop. So I find a project on Github which is a keras implementation of YOLOv3(Tensorflow backend).

This article will include:

• analyse the keras-yolov3
  • convert
  • yolo_video
  • yolo
  • model
• argparse基本使用

analyse the keras-yolov3

在项目的readme中有基本的使用和训练指南，下载yolov3.weight，使用convert.py，将权重转成keras的.h5文件。
然后使用yolo_video.py进行检测。
所以我从convert.py和yolo_video.py入手，进而对整个系统进行剖析。

convert.py

1. 读取各种参数
2. 用assert验证配置文件、权重、输出.h5路径的正确性
3. 载入配置文件，使用了configparser模块，参考这里
4. 解析cfg配置文件中的各个层，并解析成keras的层。并将weight文件的权重参数装进每一层中。
5. 保存和绘图，将上面得到的模型保存为hdf5文件，绘制模型结构图。

yolo_video.py

1. 进入main函数，读取各种参数。
2. 判定，如果有--image参数，则是图片检测模式，调用detect_img方法；
   否则是视频检测模式，调用detect_video方法。
3. detect_img方法，进入一个死循环，不断键入文件名filename，检测该文件名对应图像，调用yolo.detect_image方法。
4. detect_image和detect_video都是在yolo.py的方法。所以分析yolo.py

yolo.py

该文件包含两个部分，detect_video方法和YOLO类

1. 先看detect_video方法。引入opencv模块。使用VideoCapture读取视频，验证视频是否可用，获取视频相关参数。验证输出视频路径是否可用。
   如果都没有问题，则开始读取视频， 读里面的每一帧，调用yolo.detect_image方法检测。即上文提到的图片检测模式。（视频的检测实际上就是由多帧图片的检测组成的）
2. YOLO类，
   • 构造方法中先设定默认参数：模型路径，anchor路径，类别路径，score阈值，iou阈值，输入图片大小，gpu数量。然后用get方法解析txt文件中的类别、anchors。最后用 generate方法整合信息，生成boxes，scores，classes。
   • generae方法。先验证模型路径。判定是否为yolo_tiny。装载或构建模型、装载权重。生成后期作图需要用的颜色。由gpu的数量确定生成的输出张量。
3. YOLO类的detect_image方法。
   • 确定输入图像可以被32整除，因为yolo算法会缩小到原图的，
   • 将图片进行预测
   • 绘图
4. 在过程中，用到了yolo3.utils.py和yolo3.model.py。utils就是一个工具箱，有随机生成数据，resize，compose功能。model在下面说。

yolo3.model.py

模型部分

用keras接口实现了yolov3模型。定义了一系列microarchitecture和macroarchitecture。

1. DarknetConv2D：返回基本conv2d。
2. DarknetConv2D_BN_Leaky：将conv2d、BN、leaky ReLU合并成一个块，返回。
3. resblock_body：残差块。先构建DarknetConv2D_BN_Leaky，然后在循环中构建resblock。resblock由（1，1）和（3，3）组成，然后加上一个元素级相加的短路。
4. darknet_body：由一个DarknetConv2D_BN_Leaky和5个resblock_body组成。
5. make_last_layers：输出层，6个DarknetConv2D_BN_Leaky和1个DarknetConv2D作为输出。
6. yolo_body：一开始是darknet_body和make_last_layers。构建DarknetConv2D_BN_Leaky和UpSampling2D，短路concatenate。做出3个输出。
7. tiny_yolo_body：实现了tiny yolo，比较简单。

其他函数

主要包括：将模型的输出转换格式，模型评估，groundtruth预处理，iou的计算，loss函数的计算（coord，iou，class）
具体分析比较复杂，先略过，放到后面再具体分析。

argparse基本使用

argparse是一个 命令行参数解析器，比如linux中的shutdown -r now，-r和now都是参数。使用argparse就可以解析命令行中的参数。

1. help

import argparse
parser = argparse.ArgumentParser()
parser.parse_args()

python test.py -h命令行中运行，获取帮助信息

image.png

python test.py -no 运行不存在的命令，会报错

image.png

2. 添加参数

import argparse
parser = argparse.ArgumentParser()

# 这里添加参数名称 "some_command"
parser.add_argument("some_command")
args = parser.parse_args()
# 这里输出参数名称 args.some_command
print(args.some_command)

python test.py aaaa aaaa作为参数传递，会被输出

image.png

3. 添加可选参数

# 这里添加可选参数名称 "some_command"
parser.add_argument('-s','--sc','--some_command',help='opt args',nargs='?')
print(args.sc)

image.png