内容导读

YOLOv3在YOLOv2的基础进行了一些改进，这些更改使其效果变得更好。其与SSD一样准确，但速度快了三倍，具体效果如下图。本文对YOLO v3的改进点进行了总结，并实现了一个基于Keras的YOLOv3检测模型。如果先验边界框不是最好的，但确实与真实对象的重叠超过某个阈值(这里是0.5)，那么就忽略这次预测。YOLO v3只为每个真实对象分配一个边界框，如果先验边界框与真实对象不吻合，则不会产生坐标或类别预测损失，只会产生物体预测损失。demo.py 文件提供了使用yolo v3进行检测的例子。

YOLOv3在YOLOv2的基础进行了一些改进，这些更改使其效果变得更好。 在320×320的图像上，YOLOv3运行速度达到了22.2毫秒，mAP为28.2。其与SSD一样准确，但速度快了三倍，具体效果如下图。本文对YOLO v3的改进点进行了总结，并实现了一个基于Keras的YOLOv3检测模型。

inference

Paper：YOLOv3: An Incremental Improvement
Official website：https://pjreddie.com/darknet/yolo
Github：https://github.com/xiaochus/YOLOv3

环境

• Python 3.6

• Tensorflow-gpu 1.5.0

• Keras 2.1.3

• OpenCV 3.4

改进点

1.Darknet-53特征提取网络

不同于Darknet-19，YOLO v3中使用了一个53层的卷积网络，这个网络由残差单元叠加而成。根据作者的实验，在分类准确度上跟效率的平衡上，这个模型比ResNet-101、 ResNet-152和Darknet-19表现得更好。

Darknet-53

2.边界框预测

基本的坐标偏移公式与YOLO v2相同。

box

YOLO v3使用逻辑回归预测每个边界框的分数。 如果先验边界框与真实框的重叠度比之前的任何其他边界框都要好，则该值应该为1。 如果先验边界框不是最好的，但确实与真实对象的重叠超过某个阈值(这里是0.5)，那么就忽略这次预测。YOLO v3只为每个真实对象分配一个边界框，如果先验边界框与真实对象不吻合，则不会产生坐标或类别预测损失，只会产生物体预测损失。

3.类别预测

为了实现多标签分类，模型不再使用softmax函数作为最终的分类器，而是使用logistic作为分类器，使用 binary cross-entropy作为损失函数。

4.多尺度预测

不同于之前的YOLO，YOLO v3从三种不同尺度的特征图谱上进行预测任务。

1. 在Darknet-53得到的特征图的基础上，经过7个卷积得到第一个特征图谱，在这个特征图谱上做第一次预测。

2. 然后从后向前获得倒数第3个卷积层的输出，进行一次卷积一次x2上采样，将上采样特征与第43个卷积特征连接，经过7个卷积得到第二个特征图谱，在这个特征图谱上做第二次预测。

3. 然后从后向前获得倒数第3个卷积层的输出，进行一次卷积一次x2上采样，将上采样特征与第26个卷积特征连接，经过7个卷积得到第三个特征图谱，在这个特征图谱上做第三次预测。

每个预测任务得到的特征大小都为N ×N ×[3?(4+1+80)] ，N为格子大小，3为每个格子得到的边界框数量， 4是边界框坐标数量，1是目标预测值，80是类别数量。

out

实验

实现了一个输入大小为(416, 416)的yolo v3检测模型，模型使用了coco训练的权值文件。

权值文件转换

参考了yad2k项目的转换方法，我们为其添加了几个新的层，用来将Darknet的网络结构和权值文件转换为keras 2的网络结构和权值文件。

首先下载权值文件yolov3.weights

执行下列命令转换

python yad2k.py cfg\yolo.cfg yolov3.weights data\yolo.h5

检测

demo.py文件提供了使用yolo v3进行检测的例子。

"""Demo for use yolo v3
"""
import os
import time
import cv2
import numpy as np
from model.yolo_model import YOLO


def process_image(img):
 """Resize, reduce and expand image.

 # Argument:
 img: original image.

 # Returns
 image: ndarray(64, 64, 3), processed image.
 """
 image = cv2.resize(img, (416, 416),
 interpolation=cv2.INTER_CUBIC)
 image = np.array(image, dtype='float32')
 image /= 255.
 image = np.expand_dims(image, axis=0)

 return image


def get_classes(file):
 """Get classes name.

 # Argument:
 file: classes name for database.

 # Returns
 class_names: List, classes name.

 """
 with open(file) as f:
 class_names = f.readlines()
 class_names = [c.strip() for c in class_names]

 return class_names


def draw(image, boxes, scores, classes, all_classes):
 """Draw the boxes on the image.

 # Argument:
 image: original image.
 boxes: ndarray, boxes of objects.
 classes: ndarray, classes of objects.
 scores: ndarray, scores of objects.
 all_classes: all classes name.
 """
 for box, score, cl in zip(boxes, scores, classes):
 x, y, w, h = box

 top = max(0, np.floor(x + 0.5).astype(int))
 left = max(0, np.floor(y + 0.5).astype(int))
 right = min(image.shape[1], np.floor(x + w + 0.5).astype(int))
 bottom = min(image.shape[0], np.floor(y + h + 0.5).astype(int))

 cv2.rectangle(image, (top, left), (right, bottom), (255, 0, 0), 2)
 cv2.putText(image, '{0} {1:.2f}'.format(all_classes[cl], score),
 (top, left - 6),
 cv2.FONT_HERSHEY_SIMPLEX,
 0.6, (0, 0, 255), 1,
 cv2.LINE_AA)


def detect():
 """Use yolo v3 to detect images.
 """
 yolo = YOLO(0.6, 0.5)
 file = 'data/coco_classes.txt'
 all_classes = get_classes(file)

 res = []
 for (root, dirs, files) in os.walk('images/test'):
 if files:
 for f in files:
 print(f)
 path = os.path.join(root, f)
 image = cv2.imread(path)
 pimage = process_image(image)

 start = time.time()
 boxes, classes, scores = yolo.predict(pimage, image.shape)
 end = time.time()

 print(boxes)
 print(classes)
 print(scores)
 print(end - start)

 draw(image, boxes, scores, classes, all_classes)

 res.append(image)

 for r in res:
 cv2.namedWindow("detection")
 while True:
 cv2.imshow("detection", r)
 if cv2.waitKey(110) & 0xff == 27:
 break


if __name__ == '__main__':
 detect()

结果

运行python demo.py

dog.png

eagle.png

giraffe.png

horses.png

person.png