Tensorflow YOLO代码解析(1)

短命女 2022-03-17 01:54 229阅读 0赞

YOLO (You Only Look Once:Unified,Real-Time Object Detection) 提出了一种实时端到端的目标检测算法，之前写过一份关于[YOLO论文的解读][YOLO]，可供参考。本篇通过一个Tensorflow的例子对YOLO的实现源代码进行解析。下面所涉及到的相关完整代码放在[github：YOLO代码解析完整代码][github_YOLO]。

下面进入正题，本篇主要介绍代码的总览和使用。  
其他相关的部分请见：  
[YOLO代码解析(1) 代码总览与使用][YOLO_1_]  
[YOLO代码解析(2) 数据处理][YOLO_2_]  
[YOLO代码解析(3) 模型和损失函数][YOLO_3_]  
[YOLO代码解析(4) 训练和测试代码][YOLO_4_]

代码的目录结构如下:  
tensorflow-yolo/  
├── cat.jpg  
├── conf/  
│ └── train.cfg  
├── data/  
├── [demo.py][]  
├── demo\_video.py  
├── models/  
│ ├── pretrain/  
│ └── train/  
├── [README.md][]  
├── tools/  
│ ├── preprocess\_pascal\_voc.py  
│ └── [train.py][]  
└── yolo/  
├── dataset/  
│ ├── [dataset.py][]  
│ ├── **init**.py  
│ └── text\_dataset.py  
├── **init**.py  
├── net/  
│ ├── **init**.py  
│ ├── [net.py][]  
│ ├── yolo\_net.py  
│ └── yolo\_tiny\_net.py  
├── solver/  
│ ├── **init**.py  
│ ├── [solver.py][]  
│ └── yolo\_solver.py  
└── utils/  
├── **init**.py  
└── process\_config.py

代码主要有五个文件夹 conf/, models/, data/, tools/, yolo/ ，主要内容和用途分别为：  
**conf**: 用于存放模型训练相关的配置参数；  
**data**: 用于存放训练数据；  
**models**: 用于存放预训练的模型文件和训练产生的模型文件；  
**tools**: 用于存放训练样本预处理脚本和模型训练脚本；  
**yolo**: 主要代码存所在文件夹，包含dataset，net，utils和solver四个模块，分别用于数据集处理，网络和Loss定义，网络训练和配置文件解析功能。  
demo.py和demo\_video.py为分别使用图片和视频进行测试的demo脚本。

训练数据和预训练模型：  
训练数据： PASCAL VOC2007  
train\_dev:[http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval\_06-Nov-2007.tar][http_host.robots.ox.ac.uk_pascal_VOC_voc2007_VOCtrainval_06-Nov-2007.tar]  
test:[http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest\_06-Nov-2007.tar][http_host.robots.ox.ac.uk_pascal_VOC_voc2007_VOCtest_06-Nov-2007.tar]

预训练模型： yolo\_tiny  
[https://drive.google.com/file/d/0B-yiAeTLLamRekxqVE01Yi1RRlk/view?usp=sharing][https_drive.google.com_file_d_0B-yiAeTLLamRekxqVE01Yi1RRlk_view_usp_sharing]

**模型训练**：  
1.下载训练数据，解压后到data文件夹，最终目录结构如下：  
./data  
└── VOCdevkit/  
└── VOC2007/  
├── Annotations/  
├── ImageSets/  
│ ├── Layout/  
│ ├── Main/  
│ └── Segmentation/  
├── JPEGImages/  
├── SegmentationClass/  
└── SegmentationObject/  
2.下载预训练模型，放置到models/pretrain/ 文件夹下  
3. 对训练数据进行预处理

$python tools/preprocess_pascal_voc.py

执行完成后会在data/目录下生成一个pascal\_voc.txt文件,每一行包含一条训练数据的图片存放路径，bbox坐标和类别id  
4.执行训练脚本

$python tools/train.py -c conf/train.cfg

**模型测试**：

$python demo.py

如果想要使用自己的图片制作训练数据，可以使用[labelImage][]进行图片标注。

下一篇：[YOLO代码解析(2) 数据处理][YOLO_2_]

[YOLO]: https://blog.csdn.net/JerryZhang__/article/details/85471847
[github_YOLO]: https://github.com/Jerryzhangzhao/tensorflow-yolo
[YOLO_1_]: https://blog.csdn.net/JerryZhang__/article/details/87869739
[YOLO_2_]: https://blog.csdn.net/JerryZhang__/article/details/87869957
[YOLO_3_]: https://blog.csdn.net/JerryZhang__/article/details/87870277
[YOLO_4_]: https://blog.csdn.net/JerryZhang__/article/details/87870396
[demo.py]: http://demo.py
[README.md]: http://README.md
[train.py]: http://train.py
[dataset.py]: http://dataset.py
[net.py]: http://net.py
[solver.py]: http://solver.py
[http_host.robots.ox.ac.uk_pascal_VOC_voc2007_VOCtrainval_06-Nov-2007.tar]: http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
[http_host.robots.ox.ac.uk_pascal_VOC_voc2007_VOCtest_06-Nov-2007.tar]: http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
[https_drive.google.com_file_d_0B-yiAeTLLamRekxqVE01Yi1RRlk_view_usp_sharing]: https://drive.google.com/file/d/0B-yiAeTLLamRekxqVE01Yi1RRlk/view?usp=sharing
[labelImage]: https://github.com/tzutalin/labelImg