YOLO代码解读_model.py
- 1 概述
- 2 导入库文件
- 3 parse_model_cfg()
-
- 3.1 修正路径
- 3.2 按行读取
- 3.3 模型定义
- 4 create_modules()
-
- 4.1 基本单元
- 4.2 YOLO网络结构的基本了解
- 4.3 convolutional
- 4.4 Upsample
- 4.5 route
- 4.6 shortcut层
- 4.7 YOLO层
- 4.8 记录返回
- 5. YOLOLayer()
-
- 5.1 构造函数
- 5.2 前馈函数
- 6 Darknet类
-
- 6.1 构造函数
- 6.2 forward函数
- 6.3 fuse和info
- 7 其他函数
1 概述
这个文件主要由
- 两个类Darknet YOLOLayer，
-
几个函数create_modules，get_yolo_layers，load_darknet_weights，save_weights，convert，attempt_download
组成
Darknet的构造函数先是调用了parse_model_cfg，create_modules，get_yolo_layers三个函数，所以我们先从他们入手，再进一步分析。
2 导入库文件
utils里面有很多重要的工具，后面要了解了解
from utils.google_utils import *
from utils.layers import *
from utils.parse_config import *
3 parse_model_cfg()
3.1 修正路径
这是一个在parse_config.py的一个函数，这个函数是从cfg文件，读取模型的定义
如果没有加后缀，会自动添加后缀，如果没有前面的路径，会自动添加该路径
# 保证模型的路径格式对，有省略会补全
if not path.endswith('.cfg'): # add .cfg suffix if omitted
path += '.cfg'
if not os.path.exists(path) and os.path.exists('cfg' + os.sep + path): # add cfg/ prefix if omitted
path = 'cfg' + os.sep + path
3.2 按行读取
按行读取，
去掉空行，if x
去掉注释行not x.startswith(’#’) ，所以注释需要独立一行
去掉两端的空格rstrip是后面的，lstrip是前面的
with open(path, 'r') as f:
lines = f.read().split('\n')
lines = [x for x in lines if x and not x.startswith('#')]
lines = [x.rstrip().lstrip() for x in lines] # get rid of fringe whitespaces
3.3 模型定义
在看他如何处理之前，可以先看看cfg文件怎么写的
cfg文件,利用空行和注释隔开
[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=2
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
learning_rate=0.001
burn_in=1000
max_batches = 500200
policy=steps
steps=400000,450000
scales=.1,.1
[convolutional]
batch_normalize=1
filters=16
size=3
stride=1
pad=1
activation=leaky
按行处理，读取一个新的模块，往列表尾部塞入一个字典，去掉[]
mdefs = [] # module definitions
for line in lines:
if line.startswith('['): # This marks the start of a new block
mdefs.append({})
# 去掉[]
mdefs[-1]['type'] = line[1:-1].rstrip()
如果是卷积块，需要进行batch normalize，似乎很重要，后面来看看
if mdefs[-1]['type'] == 'convolutional':
# 卷积层一定要有batch_normalize?这里是先占坑？防止定义时忘了？因为如果有的话，会被重写的。
# pre-populate with zeros (may be overwritten later)
mdefs[-1]['batch_normalize'] = 0
这个是对每个模块内的内容进行处理，anchor这里要注意一下，一般只出现在yolo层，样子如下
[yolo]
mask = 3,4,5
anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319
classes=7
num=6
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
读取之后，需要两个为一组，所以用reshape
else:
key, val = line.split("=")
key = key.rstrip()
if key == 'anchors': # return nparray
mdefs[-1][key] = np.array([float(x) for x in val.split(',')]).reshape((-1, 2)) # np anchors
剩下的就利用对应的类型保存相应的层
elif (key in ['from', 'layers', 'mask']) or (key == 'size' and ',' in val): # return array
mdefs[-1][key] = [int(x) for x in val.split(',')]
else:
val = val.strip()
# TODO: .isnumeric() actually fails to get the float case
if val.isnumeric(): # return int or float
mdefs[-1][key] = int(val) if (int(val) - float(val)) == 0 else float(val)
else:
mdefs[-1][key] = val # return string
检查是否有不支持的模块，有的话就不行哦
# Check all fields are supported
supported = ['type', 'batch_normalize', 'filters', 'size', 'stride', 'pad', 'activation', 'layers', 'groups',
'from', 'mask', 'anchors', 'classes', 'num', 'jitter', 'ignore_thresh', 'truth_thresh', 'random',
'stride_x', 'stride_y', 'weights_type', 'weights_normalization', 'scale_x_y', 'beta_nms', 'nms_kind',
'iou_loss', 'iou_normalizer', 'cls_normalizer', 'iou_thresh', 'probability']
f = [] # fields
这里是从1，也就是列表的第二个开始，因为cfg文件第一个是net，不在supported里面
for x in mdefs[1:]:
[f.append(k) for k in x if k not in f]
u = [x for x in f if x not in supported] # unsupported fields
assert not any(u), "Unsupported fields %s in %s. See https://github.com/ultralytics/yolov3/issues/631" % (u, path)
return mdefs
4 create_modules()
4.1 基本单元
利用前面得到的模型定义，我们利用create_modules来构建module_list，这里需要对nn.ModuleList()，nn.Sequential()有一定的了解。先参考以下上面的链接，这里简单说下。
- nn.Sequential()相当于定义一个按顺序执行的小模块
- nn.ModuleList()相当于定义了一个列表，用来存放各个小模块，和list差不多，但是方便参数的填充 因为研究的是YOLOv3，所以我们对卷积层，route，shortcut和YOL;O四个做一下仔细的分析
YOLO代码解读_model.py1 概述2 导入库文件3 parse_model_cfg()4 create_modules()5. YOLOLayer()6 Darknet类7 其他函数
4.2 YOLO网络结构的基本了解
大致的网络结构如下所示，具体介绍可以参考这个链接1,这个是对残差层有一些更具体的介绍。
相关维度的计算后面要了解一下
4.3 convolutional
卷积比较简单，具体看代码注释
if mdef['type'] == 'convolutional':
bn = mdef['batch_normalize']
filters = mdef['filters'] # 卷积核的数目，几个卷积核，输出的深度就是多少
k = mdef['size'] # kernel size 卷积核的大小
stride = mdef['stride'] if 'stride' in mdef else (mdef['stride_y'], mdef['stride_x'])# stride 或是xy步长不一样
if isinstance(k, int): # single-size conv
# 添加单种类型的卷积核
modules.add_module('Conv2d', nn.Conv2d(in_channels=output_filters[-1],
out_channels=filters,
kernel_size=k,
stride=stride,
padding=k // 2 if mdef['pad'] else 0,
groups=mdef['groups'] if 'groups' in mdef else 1,
bias=not bn))
else: # multiple-size conv
# 添加混合卷积核
modules.add_module('MixConv2d', MixConv2d(in_ch=output_filters[-1],
out_ch=filters,
k=k,
stride=stride,
bias=not bn))
接下来是一些正则化和激活函数，这里要特别注意，如果卷积层没有batchnormalize，则说明下一层是yolo层，所以进行了记录，这里记录了对应层的index
# 如果卷积层没有batchnormalize，则说明下一层是yolo层，所以进行了记录，这里记录了对应层的index
if bn:
modules.add_module('BatchNorm2d', nn.BatchNorm2d(filters, momentum=0.03, eps=1E-4))
else:
routs.append(i) # detection output (goes into yolo layer)
# 不同类型的激活函数
if mdef['activation'] == 'leaky': # activation study https://github.com/ultralytics/yolov3/issues/441
modules.add_module('activation', nn.LeakyReLU(0.1, inplace=True))
elif mdef['activation'] == 'swish':
modules.add_module('activation', Swish())
elif mdef['activation'] == 'mish':
modules.add_module('activation', Mish())
4.4 Upsample
上采样据说是将图片放大，具体的算法目前还是不了解，在最开始，这和ONNX_EXPORT设为false，所以只要看else的内容，一般是放大两倍。
elif mdef['type'] == 'upsample':
if ONNX_EXPORT: # explicitly state size, avoid scale_factor
g = (yolo_index + 1) * 2 / 32 # gain
modules = nn.Upsample(size=tuple(int(x * g) for x in img_size)) # img_size = (320, 192)
else:
modules = nn.Upsample(scale_factor=mdef['stride'])
4.5 route
该模块有两种类型，如下
[route]
layers = -4
[route]
layers = -1, 61
- 当这一层的layers属性只有一层时，他会输出该值索引的特征图，例如-1，表示上一层
- 当两个参数时，则输出这两个层对应特征图的深度连接结果【那这些特征图的大小应该相同哦】
代码的具体解释都在注释里面
elif mdef['type'] == 'route': # nn.Sequential() placeholder for 'route' layer
layers = mdef['layers']
# 每一层的输出时append到output_filters里面的，所以-1直接取最后一个，
# 从头数的话，因为最开始时是3通道【这个代表输入】，所以要+1
filters = sum([output_filters[l + 1 if l > 0 else l] for l in layers])
# 记录是哪一层，这个不知道后面怎么用的
routs.extend([i + l if l < 0 else l for l in layers])
# 这里就是特征图拼接
modules = FeatureConcat(layers=layers)
4.6 shortcut层
这一层的作用类似与残差网络，是特征图相加，【是否保证了特征图的大小相同】
[shortcut]
from=-3
activation=linear
例如上面的模块的作用就是将前一层和前三层的特征图相加
这个activation在代码中似乎没有用到
具体的解释看代码注释
elif mdef['type'] == 'shortcut': # nn.Sequential() placeholder for 'shortcut' layer
layers = mdef['from']
# 因为是想加，所以直接采用上一层的输出大小即可
filters = output_filters[-1]
# 记录这两个相加的层
routs.extend([i + l if l < 0 else l for l in layers])
# 权重混合
modules = WeightedFeatureFusion(layers=layers, weight='weights_type' in mdef)
4.7 YOLO层
mask代表这个YOLO层选取那些anchor box，
anchors，代表这次实验选取的anchor boxes
classes 代表有几种类别
其他参数还不是很了解
[yolo]
mask = 3,4,5
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=80
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
构造YOLO层，并对前面卷积层进行参数的初始化
elif mdef['type'] == 'yolo':
# yolo层数加一
yolo_index += 1
stride = [32, 16, 8] # P5, P4, P3 strides
# 这些需要倒序？
if any(x in cfg for x in ['panet', 'yolov4', 'cd53']): # stride order reversed
stride = list(reversed(stride))
layers = mdef['from'] if 'from' in mdef else []
# 构造yolo模块
modules = YOLOLayer(anchors=mdef['anchors'][mdef['mask']], # anchor list
nc=mdef['classes'], # number of classes
img_size=img_size, # (416, 416)
yolo_index=yolo_index, # 0, 1, 2...
layers=layers, # output layers
stride=stride[yolo_index])
# 对前面的卷积层的bias进行自动初始化？
# Initialize preceding Conv2d() bias (https://arxiv.org/pdf/1708.02002.pdf section 3.3)
try:
j = layers[yolo_index] if 'from' in mdef else -1
# If previous layer is a dropout layer, get the one before
if module_list[j].__class__.__name__ == 'Dropout':
j -= 1
bias_ = module_list[j][0].bias # shape(255,)
bias = bias_[:modules.no * modules.na].view(modules.na, -1) # shape(3,85)
bias[:, 4] += -4.5 # obj
bias[:, 5:] += math.log(0.6 / (modules.nc - 0.99)) # cls (sigmoid(p) = 1/nc)
module_list[j][0].bias = torch.nn.Parameter(bias_, requires_grad=bias_.requires_grad)
except:
print('WARNING: smart bias initialization failure.')
4.8 记录返回
将模块添加到列表
# Register module list and number of output filters
# 将模块添加到列表里面，同时记录输出维度
module_list.append(modules)
output_filters.append(filters)
记录一下那些层有rout
routs_binary = [False] * (i + 1)
for i in routs:
routs_binary[i] = True
return module_list, routs_binary
5. YOLOLayer()
在create_module里面调用了类YOLOLayer，接下来来好好研究这个类
先来看看怎么调用这个类
首先传入用到的anchors，种类数，图片大小，第几层yolo，layer似乎是空的，stride在v3中依次是32，16，8
modules = YOLOLayer(anchors=mdef['anchors'][mdef['mask']], # anchor list
nc=mdef['classes'], # number of classes
img_size=img_size, # (416, 416)
yolo_index=yolo_index, # 0, 1, 2...
layers=layers, # output layers
stride=stride[yolo_index])
5.1 构造函数
具体看注释
def __init__(self, anchors, nc, img_size, yolo_index, layers, stride):
super(YOLOLayer, self).__init__()
self.anchors = torch.Tensor(anchors) # 将anchor转换成tensor
self.index = yolo_index # index of this layer in layers
self.layers = layers # model output layer indices
self.stride = stride # layer stride，这个stride具体怎么用很重要
self.nl = len(layers) # number of output layers (3) 输出层数
self.na = len(anchors) # number of anchors (3) anchors的数量
self.nc = nc # number of classes (80) 类别数目
# 输出的维度=类别+5，5是长，宽，x,y,置信度【如果要修改，这里应该修改】
self.no = nc + 5 # number of outputs (85)
# 初始化一些变量ng，有几个网格吗？
self.nx, self.ny, self.ng = 0, 0, 0 # initialize number of x, y gridpoints
# 对anchor的尺寸进行缩放，stride应该是指每个网格多大
self.anchor_vec = self.anchors / self.stride
self.anchor_wh = self.anchor_vec.view(1, self.na, 1, 1, 2)
# 这个似乎没用到
if ONNX_EXPORT:
self.training = False
self.create_grids((img_size[1] // stride, img_size[0] // stride)) # number x, y grid points
5.2 前馈函数
前馈函数的输入是p和out，p是上一个网络输出,out还不清楚是啥，主要是用在ASFF，先不管
这里面有很多if判断，目前很多是false，所以我们直接关注关键的部分，
-
训练的部分
在这里对张量的维度进行了重构，同时没有做其他过多的处理，需要看一下前一层的输出和损失函数怎么处理的
# p.view(bs, 255, 13, 13) -- > (bs, 3, 13, 13, 85) # (bs, anchors, grid, grid, classes + xywh)
p = p.view(bs, self.na, self.no, self.ny, self.nx).permute(0, 1, 3, 4, 2).contiguous() # prediction
if self.training:
return p
- 不是训练的部分，可以看到训练是直接输出结果，而测试则有将结果按原文处理，这个就涉及到我们对比的真实值是如何的了。
else: # inference
io = p.clone() # inference output
io[..., :2] = torch.sigmoid(io[..., :2]) + self.grid # xy
io[..., 2:4] = torch.exp(io[..., 2:4]) * self.anchor_wh # wh yolo method
io[..., :4] *= self.stride
torch.sigmoid_(io[..., 4:])
return io.view(bs, -1, self.no), p # view [1, 3, 13, 13, 85] as [1, 507, 85]
6 Darknet类
这个类是属于这个文件的主要内容，其他的方法，属性都是为了他准备
6.1 构造函数
调用前面的方法，完成基本的构造，后面的version，seen，info不太清楚
def __init__(self, cfg, img_size=(416, 416), verbose=False):
super(Darknet, self).__init__()
self.module_defs = parse_model_cfg(cfg)# 加载模型定义
self.module_list, self.routs = create_modules(self.module_defs, img_size, cfg)#构建模型列表
self.yolo_layers = get_yolo_layers(self) # 获取yolo在第几层
# torch_utils.initialize_weights(self)
# Darknet Header https://github.com/AlexeyAB/darknet/issues/2914#issuecomment-496675346
self.version = np.array([0, 2, 5], dtype=np.int32) # (int32) version info: major, minor, revision
self.seen = np.array([0], dtype=np.int64) # (int64) number of images seen during training
self.info(verbose) if not ONNX_EXPORT else None # print model description
6.2 forward函数
这里面有两个函数，一个是forward，一个是forward_once
在forward函数中，主要是判断是否使用图像增强的技术，增强的话会对图像做一些缩放，旋转
def forward(self, x, augment=False, verbose=False):
# 判断是否需要使用图像增强的技术
if not augment:
return self.forward_once(x)
else: # Augment images (inference and test only) https://github.com/ultralytics/yolov3/issues/931
# 对图像做一些缩放和旋转，原图加上三种变换
img_size = x.shape[-2:] # height, width
s = [0.83, 0.67] # scales
y = []
for i, xi in enumerate((x,
torch_utils.scale_img(x.flip(3), s[0], same_shape=False), # flip-lr and scale
torch_utils.scale_img(x, s[1], same_shape=False), # scale
)):
# cv2.imwrite('img%g.jpg' % i, 255 * xi[0].numpy().transpose((1, 2, 0))[:, :, ::-1])
y.append(self.forward_once(xi)[0])
# 这里应该对输出进行相应处理，保证相同
y[1][..., :4] /= s[0] # scale
y[1][..., 0] = img_size[1] - y[1][..., 0] # flip lr
y[2][..., :4] /= s[1] # scale
y = torch.cat(y, 1)
return y, None
不管缩不缩放，对每一张图片都要调用forward_once()
def forward_once(self, x, augment=False, verbose=False):
img_size = x.shape[-2:] # height, width
yolo_out, out = [], []
if verbose:# 如果为true的话，就会输出很多东西，verbose是冗长的意思
print('0', x.shape)
str = ''
在测试集中，也会做一些数据增强
# Augment images (inference and test only)
# 这个增强似乎怪怪的，只用在测试中？
if augment: # https://github.com/ultralytics/yolov3/issues/931
nb = x.shape[0] # batch size
s = [0.83, 0.67] # scales
x = torch.cat((x,
torch_utils.scale_img(x.flip(3), s[0]), # flip-lr and scale
torch_utils.scale_img(x, s[1]), # scale
), 0)
主要的处理部分，用verbose控制输出
for i, module in enumerate(self.module_list):
name = module.__class__.__name__
if name in ['WeightedFeatureFusion', 'FeatureConcat']: # sum, concat
if verbose:# 如果为true的话，就会输出很多东西，verbose是冗长的意思
l = [i - 1] + module.layers # layers
sh = [list(x.shape)] + [list(out[i].shape) for i in module.layers] # shapes
str = ' >> ' + ' + '.join(['layer %g %s' % x for x in zip(l, sh)])
x = module(x, out) # WeightedFeatureFusion(), FeatureConcat()
elif name == 'YOLOLayer':
# 到了yolo层就会输出，为什么需要传个out进去呢
yolo_out.append(module(x, out))
else: # run module directly, i.e. mtype = 'convolutional', 'upsample', 'maxpool', 'batchnorm2d' etc.
x = module(x)
# 这个out还是糊里糊涂
out.append(x if self.routs[i] else [])
if verbose:# 如果为true的话，就会输出很多东西，verbose是冗长的意思
print('%g/%g %s -' % (i, len(self.module_list), name), list(x.shape), str)
str = ''
如果是train，直接返回
if self.training: # train
return yolo_out
# 这个export至今没搞懂
elif ONNX_EXPORT: # export
x = [torch.cat(x, 0) for x in zip(*yolo_out)]
return x[0], torch.cat(x[1:3], 1) # scores, boxes: 3780x80, 3780x4
如果是test，因为输出是
所以还要进行处理，先将输出拆成两部分，在对x进行拼接，判断是否处理数据增强，再输出
else: # inference or test
# 将输出拆成两部分
x, p = zip(*yolo_out) # inference output, training output
# 这个是将x里面的tensor进行拼接，1代表按列拼接
x = torch.cat(x, 1) # cat yolo outputs
if augment: # de-augment results
x = torch.split(x, nb, dim=0)
x[1][..., :4] /= s[0] # scale
x[1][..., 0] = img_size[1] - x[1][..., 0] # flip lr
x[2][..., :4] /= s[1] # scale
x = torch.cat(x, 1)
return x, p
6.3 fuse和info
- fuse主要作用是对模型中的Conv2d 和 BatchNorm2d进行融合
- info是对模型的相关信息进行输出
7 其他函数
- load_darknet_weights 加载模型的权重
- save_weights 保存权重
- convert 权重文件格式转换 pt与weight
- attempt_download 尝试下载不存在的模型权重