向AI轉(zhuǎn)型的程序員都關(guān)注了這個號??????

本篇我們會介紹 yolo.py，這是YOLO的特定模塊，和網(wǎng)絡(luò)構(gòu)建有關(guān)。在 YOLOv5源碼中，模型的建立是依靠 yolo.py 中的函數(shù)和對象完成的，這個文件主要由三個部分：parse_model函數(shù)、Detect類和Model類組成。

yolo.py文件位置在./models/yolo.py

文章代碼逐行手打注釋，每個模塊都有對應(yīng)講解，一文幫你梳理整個代碼邏輯！

一、 導(dǎo)包和基本配置 1.1 導(dǎo)入安裝好的python庫

首先，導(dǎo)入一下常用的python庫：

argparse： 它是一個用于命令項選項與參數(shù)解析的模塊，通過在程序中定義好我們需要的參數(shù)，argparse 將會從 sys.argv 中解析出這些參數(shù)，并自動生成幫助和使用信息

sys：它是與python解釋器交互的一個接口，該模塊提供對解釋器使用或維護(hù)的一些變量的訪問和獲取，它提供了許多函數(shù)和變量來處理 Python 運(yùn)行時環(huán)境的不同部分

展開全文

copy： Python 中賦值語句不復(fù)制對象，而是在目標(biāo)和對象之間創(chuàng)建綁定關(guān)系。copy模塊提供了通用的淺層復(fù)制和深層復(fù)制操作

pathlib： 這個庫提供了一種面向?qū)ο蟮姆绞絹砼c文件系統(tǒng)交互，可以讓代碼更簡潔、更易讀

1.2 獲取當(dāng)前文件的絕對路徑

這段代碼會獲取 當(dāng)前文件的絕對路徑，并使用Path庫將其轉(zhuǎn)換為Path對象。

這一部分的主要作用有兩個：

將當(dāng)前項目添加到系統(tǒng)路徑上，以使得項目中的模塊可以調(diào)用。

將當(dāng)前項目的相對路徑保存在ROOT中，便于尋找項目中的文件。

這些都是用戶自定義的庫，由于上一步已經(jīng)把路徑加載上了，所以現(xiàn)在可以導(dǎo)入，這個順序不可以調(diào)換。具體來說，代碼從如下幾個文件中導(dǎo)入了部分函數(shù)和類：

models.common： 這個是yolov5的網(wǎng)絡(luò)結(jié)構(gòu)

models.experimental： 實驗性質(zhì)的代碼，包括MixConv2d、跨層權(quán)重Sum等

utils.autoanchor： 定義了自動生成錨框的方法

utils.general： 定義了一些常用的工具函數(shù)，比如檢查文件是否存在、檢查圖像大小是否符合要求、打印命令行參數(shù)等等

utils.plots： 定義了Annotator類，可以在圖像上繪制矩形框和標(biāo)注信息

utils.torch_utils： 定義了一些與PyTorch有關(guān)的工具函數(shù)，比如選擇設(shè)備、同步時間等

通過導(dǎo)入這些模塊，可以更方便地進(jìn)行目標(biāo)檢測的相關(guān)任務(wù)，并且減少了代碼的復(fù)雜度和冗余。

二、parse_model函數(shù)

parse_model函數(shù)用在DetectionModel模塊中，主要作用是解析模型yaml的模塊，通過讀取yaml文件中的配置，并且到common.py中找到相對于的模塊，然后組成一個完整的模型解析模型文件(字典形式)，并搭建網(wǎng)絡(luò)結(jié)構(gòu)。簡單來說，就是把yaml文件中的網(wǎng)絡(luò)結(jié)構(gòu)實例化成對應(yīng)的模型。后續(xù)如果需要動模型框架的話，需要對這個函數(shù)做相應(yīng)的改動。

2.1 獲取對應(yīng)參數(shù)

這段代碼主要是獲取配置dict里面的參數(shù)，并打印最開始展示的網(wǎng)絡(luò)結(jié)構(gòu)表的表頭。

我們先解釋幾個參數(shù)，d和ch，na和no：

d: yaml 配置文件（字典形式），yolov5s.yaml中的6個元素 + ch

ch: 記錄模型每一層的輸出channel，初始ch=[3]，后面會刪除

na： 判斷anchor的數(shù)量

no： 根據(jù)anchor數(shù)量推斷的輸出維度

這里有一行代碼我們上篇YOLOv5源碼逐行超詳細(xì)注釋與解讀（5）——配置文件yolov5s.yaml就見過了：

這里就是讀取了 yaml 文件的相關(guān)參數(shù)（參數(shù)含義忘了的話再看看上篇哦）

2.2 搭建網(wǎng)絡(luò)前準(zhǔn)備

這段代碼主要是遍歷backbone和head的每一層，獲取搭建網(wǎng)絡(luò)前的一系列信息。

我們還是先解釋參數(shù)，layers、save和c2：

layers: 保存每一層的層結(jié)構(gòu)

save: 記錄下所有層結(jié)構(gòu)中from不是-1的層結(jié)構(gòu)序號

c2: 保存當(dāng)前層的輸出channel

然后開始迭代循環(huán)backbone與head的配置。for i, (f, n, m, args) in enumerate(d['backbone'] + d['head']):中有幾個參數(shù)

f：from，當(dāng)前層輸入來自哪些層

n：number，當(dāng)前層次數(shù) 初定

m：module，當(dāng)前層類別

args：當(dāng)前層類參數(shù) 初定

接著還用到一個函數(shù)eval，主要作用是將字符串當(dāng)成有效的表達(dá)式來求值，并且返回執(zhí)行的結(jié)果。在這里簡單來說，就是實現(xiàn)list、dict、tuple與str之間的轉(zhuǎn)化。

2.3 更新當(dāng)前層的參數(shù)，計算c2

這段代碼主要是更新當(dāng)前層的args，計算c2(當(dāng)前層的輸出channel)

首先網(wǎng)絡(luò)將C3中的BottleNeck數(shù)量乘以模型縮放倍數(shù)n*gd控制模塊的深度縮放，舉個栗子，對于yolo5s來講，gd為0.33，那么就是n*0.33，也就是把默認(rèn)的深度縮放為原來的1/3。

然后將m實例化成同名模塊，別看列舉了那么多模塊，目前只用到Conv，SPP，F(xiàn)ocus，C3，nn.Upsample。對于以上的這幾種類型的模塊，ch是一個用來保存之前所有的模塊輸出的channle，ch[-1]代表著上一個模塊的輸出通道。args[0]是默認(rèn)的輸出通道。

這樣以來，c1=ch[f]就代表輸入通道c1為f指向的層的輸出通道，c2=args[0]就代表輸出通道c2為yaml的args中的第一個變量。注意，如果輸出通道不等于255即Detect層的輸出通道， 則將通道數(shù)乘上width_multiple，并調(diào)整為8的倍數(shù)。通過函數(shù)make_divisible來實現(xiàn)

make_divisible代碼如下：

2.4 使用當(dāng)前層的參數(shù)搭建當(dāng)前層

這段代碼主要是使用當(dāng)前層的參數(shù)搭建當(dāng)前層。

經(jīng)過以上處理，args里面保存的前兩個參數(shù)就是module的輸入通道數(shù)、輸出通道數(shù)。只有BottleneckCSP和C3這兩種module會根據(jù)深度參數(shù)n調(diào)整該模塊的重復(fù)迭加次數(shù)

然后進(jìn)行的是其他幾種類型的Module判斷：

如果是BN層，只需要返回上一層的輸出channel，通道數(shù)保持不變。

如果是Concat層，則將f中所有的輸出累加得到這層的輸出channel，f是所有需要拼接層的index，輸出通道c2是所有層的和。

如果是Detect層，則對應(yīng)檢測頭部分，這塊下一小節(jié)細(xì)講。

Contract和Expand目前未在模型中使用。

2.5 打印和保存layers

這段代碼主要是打印當(dāng)前層結(jié)構(gòu)的一些基本信息并保存。

把構(gòu)建的模塊保存到layers里，把該層的輸出通道數(shù)寫入ch列表里。待全部循環(huán)結(jié)束后再構(gòu)建成模型。

返回值：

return nn.Sequential(*layers): 網(wǎng)絡(luò)的每一層的層結(jié)構(gòu)

return sorted(save): 把所有層結(jié)構(gòu)中from不是-1的值記下 并排序 [4, 6, 10, 14, 17, 20, 23]

至此模型就全部構(gòu)建完畢了。

下面詳細(xì)介紹一下各個模塊。

?? 三、Detect模塊

Detect 模塊是 YOLO 網(wǎng)絡(luò)模型的最后一層 (對應(yīng) yaml 文件最后一行)，通過 yaml 文件進(jìn)行聲明，格式為：

3.1 獲取預(yù)測得到的參數(shù)

這段代碼主要是獲取預(yù)測得到的各種信息。

detection layer 相當(dāng)于yolov3中的YOLOLayer層，我們解釋一下包含的參數(shù)：

nc: 分類數(shù)量

no: 每個anchor的輸出數(shù)，為(x,y,w,h,conf) + nc = 5 + nc 的總數(shù)

nl: 預(yù)測層數(shù)，此次為3

na: anchors的數(shù)量，此次為3

grid: 格子坐標(biāo)系，左上角為(1,1),右下角為(input.w/stride,input.h/stride)

3.2 向前傳播

這段代碼主要是對三個feature map分別進(jìn)行處理：(n, 255, 80, 80),(n, 255, 40, 40),(n, 255, 20, 20)

首先進(jìn)行for循環(huán)，每次i的循環(huán)，產(chǎn)生一個z。維度重排列：(n, 255, _, _) - (n, 3, nc+5, ny, nx) - (n, 3, ny, nx, nc+5)，三層分別預(yù)測了80*80、40*40、20*20次。

接著 構(gòu)造網(wǎng)格，因為推理返回的不是歸一化后的網(wǎng)格偏移量，需要再加上網(wǎng)格的位置，得到最終的推理坐標(biāo)，再送入nms。所以這里構(gòu)建網(wǎng)格就是為了紀(jì)律每個grid的網(wǎng)格坐標(biāo) 方面后面使

最后按損失函數(shù)的回歸方式來轉(zhuǎn)換坐標(biāo)，利用sigmoid激活函數(shù)計算定位參數(shù)，cat(dim=-1)為直接拼接。注意：訓(xùn)練階段直接返回x ，而預(yù)測階段返回3個特征圖拼接的結(jié)果

3.3 相對坐標(biāo)轉(zhuǎn)換到grid絕對坐標(biāo)系

這段代碼主要是將相對坐標(biāo)轉(zhuǎn)換到grid絕對坐標(biāo)系。

首先構(gòu)造網(wǎng)格標(biāo)尺坐標(biāo)

indexing='ij' ： 表示的是i是同一行，j表示同一列

indexing='xy' ： 表示的是x是同一列，y表示同一行

grid復(fù)制成3倍，因為是3個框。anchor_grid是每個anchor寬高。anchor_grid = (self.anchors[i].clone * self.stride[i])。注意這里為啥要乘呢？因為在外面已經(jīng)把a(bǔ)nchors給除了對應(yīng)的下采樣率，這里再乘回來。

原文地址

機(jī)器學(xué)習(xí)算法AI大數(shù)據(jù)技術(shù)

搜索公眾號添加： datanlp

閱讀過本文的人還看了以下文章：

TensorFlow 2.0深度學(xué)習(xí)案例實戰(zhàn)

基于40萬表格數(shù)據(jù)集TableBank，用MaskRCNN做表格檢測

《基于深度學(xué)習(xí)的自然語言處理》中/英PDF

Deep Learning 中文版初版-周志華團(tuán)隊

【全套視頻課】最全的目標(biāo)檢測算法系列講解，通俗易懂！

《美團(tuán)機(jī)器學(xué)習(xí)實踐》_美團(tuán)算法團(tuán)隊.pdf

《深度學(xué)習(xí)入門：基于Python的理論與實現(xiàn)》高清中文PDF+源碼

《深度學(xué)習(xí)：基于Keras的Python實踐》PDF和代碼

特征提取與圖像處理(第二版).pdf

python就業(yè)班學(xué)習(xí)視頻，從入門到實戰(zhàn)項目

2019最新《PyTorch自然語言處理》英、中文版PDF+源碼

《21個項目玩轉(zhuǎn)深度學(xué)習(xí)：基于TensorFlow的實踐詳解》完整版PDF+附書代碼

《深度學(xué)習(xí)之pytorch》pdf+附書源碼

PyTorch深度學(xué)習(xí)快速實戰(zhàn)入門《pytorch-handbook》

【下載】豆瓣評分8.1,《機(jī)器學(xué)習(xí)實戰(zhàn):基于Scikit-Learn和TensorFlow》

《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》PDF+完整源碼

汽車行業(yè)完整知識圖譜項目實戰(zhàn)視頻(全23課)

李沐大神開源《動手學(xué)深度學(xué)習(xí)》，加州伯克利深度學(xué)習(xí)（2019春）教材

筆記、代碼清晰易懂！李航《統(tǒng)計學(xué)習(xí)方法》最新資源全套！

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》最新2018版中英PDF+源碼

將機(jī)器學(xué)習(xí)模型部署為REST API

yolo3 檢測出圖像中的不規(guī)則漢字

同樣是機(jī)器學(xué)習(xí)算法工程師，你的面試為什么過不了？

前海征信大數(shù)據(jù)算法：風(fēng)險概率預(yù)測

【Keras】完整實現(xiàn)‘交通標(biāo)志’分類、‘票據(jù)’分類兩個項目，讓你掌握深度學(xué)習(xí)圖像分類

特征工程(一)

特征工程(二) :文本數(shù)據(jù)的展開、過濾和分塊

特征工程(三):特征縮放,從詞袋到 TF-IDF

特征工程(四): 類別特征

特征工程(五): PCA 降維

特征工程(六): 非線性特征提取和模型堆疊

特征工程(七)：圖像特征提取和深度學(xué)習(xí)

如何利用全新的決策樹集成級聯(lián)結(jié)構(gòu)gcForest做特征工程并打分？

Machine Learning Yearning 中文翻譯稿

螞蟻金服2018秋招-算法工程師（共四面）通過

全球AI挑戰(zhàn)-場景分類的比賽源碼(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

中科院Kaggle全球文本匹配競賽華人第1名團(tuán)隊-深度學(xué)習(xí)與特征工程

不斷更新資源

深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、python

搜索公眾號添加： datayx