Pytorch--yolov3
阿新 • • 發佈：2018-12-09
一、讀取cfg檔案，根據cfg檔案構建網路。
[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky儲存為如下格式：
[{"type":convolutional, "batch_normalize":1, "filters"：64, "size":3,
"Stride":2, "pad":=1, "activation":leaky},...]遍歷所有模組，利用torch.nn.Sequential構建網路結構。block的儲存順序與網路順序一致，所以可以用block重新構建網路。
model = torch.nn.Sequential()
conv = torch.nn.Conv2d(prev_filters, filters, kernel_size, stride, pad, bias=bias)
model.add_model("conv_{0}".format(index), conv)- yolov3中，若存在batch_normalization，則無bias，反之亦然。
- Conv1d：一維卷積層，輸入的尺度是(N, C_in,L)，輸出尺度（ N,C_out,L_out）；Conv2d：二維卷積層, 輸入的尺度是(N, C_in,H,W)，輸出尺度（N,C_out,H_out,W_out）。
- BatchNorm2d：對小批量(mini-batch)3d資料組成的4d輸入進行批標準化(Batch Normalization)操作。
- Upsample：bilinear，雙線性差值。
- route，shortcut layer，構建nn.Module類的空層，在後面對輸出層進行操作。
- yolo層為detection layer，所用anchors不同，所以構建detection layer時，將anchors作為引數。
二.將預測結果，進行格式轉換。
預測輸出的shape為：
(batch_size, num_anchors*bbox_attracs, grid_size*grid_size)
轉換為：
(batch_size, grid_size*grid_size*num_anchors, bbox_attracs)| x | y | w | h | objectness | confidence score |
根據以上處理prediction。
- 注意squeeze與unsqueeze的利用，對於Tensor進行操作，一定要注意維度。
三.NMS。
遍歷batch中的圖片，分別進行以下操作：
- 根據object_score進行判斷，將小於閾值的置零。
- 統計圖片所有類別，即每個Bbox的預測結果，將每類分別處理，按confidence進行排序，得到索引值。根據NMS原理，逐步消除無用的bbox。
- 統計類別，用到np.unique()函式，先將Tensor轉為numpy操作，最後再轉回Tensor。
- 消除bbox時，遍歷排好序的bbox，先判斷與confidence最大的bbox的IOU，等到下一次迴圈，會選擇除上一個之外的confidence最大的bbox繼續進行操作。
- 消除小於閾值的bbox的方法，即利用torch.nonzero()函式，得到非零值的索引。