YOLO演算法之YAD2K配置教程

**總結：遇到缺少檔案的問題，通常是因為庫之間的版本更新問題，解決辦法通常是閱讀錯誤原因，修改原始碼（增刪改缺失的函式/屬性）。
配置yad2k是個坑，一定要注意版本相容問題！！！**
注：在使用預訓練的YOLOv2模型時，一定要注意變數的形狀

YOLO演算法
YOLO是一種高準確性、實時的目標檢測演算法。核心思想是取物件的中點，將物件分配給包含中點的格子。優點是神經網路可以輸出精確的邊界框。只要網格取得夠精細，那麼多個物件的中點落在同一個格子的概率就會很小。
優點：
(1) 顯式地精確輸出邊界框座標，邊界框可以具有任意寬高比，不會受到滑動視窗分類器的步長限制。
(2) 單次卷積實現，有大量可以共享的計算步驟，因此演算法效率很高，執行速度非常快，可以達到實時識別。
（3）目標檢測（非極大值抑制）和分類（藉助於anchor box）可以在一個模型中實現

缺點：
需要大量的訓練樣本，計算量巨大，因此常常在預訓練的模型上進行微調。

演算法細節：
(1) only look once指的是，只需要對圖片執行一次前向傳播，就能預測。通過非極大值抑制，YOLO演算法對每個物件只檢測一次，輸出識別到的物件及其邊界框。
(2) non-max suppression 確保演算法對每個物件只檢測一次。如果同時檢測多個物件，那麼就對每個輸出類別分別執行non-max suppression。
(3) anchor box 是為了處理兩個物件出現在同一個格子的情況，實際上這種情況很少發生。人們一般手動指定 anchor box的形狀和個數(~5-10個)。後期的YOLO演算法採取更高階的方法———k-means對不同物件進行聚類，來自動選擇anchor box。

YOLO需要在一大堆已經標記號邊界框的大型資料集上訓練，因此訓練時間非常長。這裡用的是一個預訓練的YOLO模型，從YOLO官網下載的 YOLO v2。
在學習吳恩達老師的深度學習-車輛檢測的課程中遇到了yolo.h5 load失敗的問題，需要手動下載權重和配置，然後用 yad2k 手動將模型轉換為 yolo.h5。
YOLO模型轉換成 yolo.h5 的方式有兩種：[https://www.jianshu.com/p/3e77cefeb49b]
（1） 利用pjreddie的Darknet框架：“Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation.” [

YAD2K: Yet Another Darknet 2 Keras
YAD2K author: Allan Zelener
You only look once, but you reimplement neural nets over and over again.
YAD2K is a 90% Keras/10% Tensorflow implementation of YOLO_v2.
Original paper: YOLO9000: Better, Faster, Stronger by Joseph Redmond and Ali Farhadi.

YAD2K搭建過程
具體操作如下：
1. prepare the environment:先下載好 numpy、h5py、pillow，配置好 tensorflow 和 keras。因為YAD2K是基於 tensorflow 和 keras的 YOLO_v2實現。
pip install numpy h5py pillow
pip install tensorflow-gpu # CPU-only: conda install -c conda-forge tensorflow
pip install keras # Possibly older release: conda install keras
2. 開啟Anaconda prompt download yad2k.git by https://github.com/allanzelener/YAD2K 在目標資料夾空白處，右鍵選擇 “Git Bash Here”，開啟 Bash 命令列，然後輸入以下指令： git clone https://github.com/allanzelener/yad2k.git
3. 下載cfg檔案 在 darknet 的 github[https://github.com/pjreddie/darknet ]下載darknet程式碼，獲得cfg檔案
然後將 darknet/cfg/yolov2.cfg 複製到目錄yad2k下
4. 在YOLO官網下載YOLOv2的 weights 檔案： https://pjreddie.com/darknet/yolov2/ 。其實已經有 YOLOv3，但是v3轉換有問題，所以這裡用了v2。將weight檔案拷貝到目錄yad2k下。
5. 轉換檔案遇到檔案缺失問題：
AttributeError: module ‘tensorflow.python.ops.nn’ has no attribute ‘leaky_relu’

6.暴力解決tf缺少LeakyReLU的問題 (https://blog.csdn.net/qq_35978947/article/details/79908091)

7.最後安裝成功

**總結：遇到缺少檔案的問題，通常是因為庫之間的版本更新問題，解決辦法通常是閱讀錯誤原因，修改原始碼（增刪改缺失的函式/屬性）。
配置yad2k是個坑，一定要注意版本相容問題！！！**

注：在使用預訓練的YOLOv2模型時，一定要注意變數的形狀，例如：

由於求出的 yolo_outputs 的形狀與 yolo_eval 方法中要求的 yolo_outputs 不一致，因此需要將 yolo_outputs 轉換成合適的形狀，再傳入 yolo_eval 方法中。