YOLOv5源码逐行超详细注释与解读——验证部分val（test）.py
Posted 路人贾'ω'
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了YOLOv5源码逐行超详细注释与解读——验证部分val（test）.py相关的知识，希望对你有一定的参考价值。
前言
本篇文章主要是对YOLOv5项目的验证部分。这个文件之前是叫test.py，后来改为val.py。
在之前我们已经学习了推理部分detect.py和训练部分train.py这两个，而我们今天要介绍的验证部分val.py这个文件主要是train.py每一轮训练结束后，用val.py去验证当前模型的mAP、混淆矩阵等指标以及各个超参数是否是最佳， 不是最佳的话修改train.py里面的结构；确定是最佳了再用detect.py去泛化使用。
总结一下这三个文件的区别：
- detect.py： 推理部分。获取实际中最佳推理结果
- train.py： 训练部分。读取数据集，加载模型并训练
- val.py：验证部分。获取当前数据集上的最佳验证结果
文章代码逐行手打注释，每个模块都有对应讲解，一文帮你梳理整个代码逻辑！
友情提示：全文近5万字，可以先点
再慢慢看哦~
源码下载地址：mirrors / ultralytics / yolov5 · GitCode
🍀本人YOLOv5源码详解系列：
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
YOLOv5源码逐行超详细注释与解读（2）——推理部分detect.py
YOLOv5源码逐行超详细注释与解读（3）——训练部分train.py
目录
🚀一、导包与基本配置
1.1 导入安装好的python库
'''============1.导入安装好的python库=========='''
import argparse # 解析命令行参数的库
import json # 实现字典列表和JSON字符串之间的相互解析
import os # 与操作系统进行交互的文件库 包含文件路径操作与解析
import sys # sys系统模块 包含了与Python解释器和它的环境有关的函数
from pathlib import Path # Path将str转换为Path对象 使字符串路径易于操作的模块
from threading import Thread # python中处理多线程的库
import numpy as np # 矩阵计算基础库
import torch # pytorch 深度学习库
from tqdm import tqdm # 用于直观显示进度条的一个库首先，导入一下常用的python库：
- argparse： 它是一个用于命令项选项与参数解析的模块，通过在程序中定义好我们需要的参数，argparse 将会从 sys.argv 中解析出这些参数，并自动生成帮助和使用信息
- json： 实现字典列表和JSON字符串之间的相互解析
- os： 它提供了多种操作系统的接口。通过os模块提供的操作系统接口，我们可以对操作系统里文件、终端、进程等进行操作
- sys： 它是与python解释器交互的一个接口，该模块提供对解释器使用或维护的一些变量的访问和获取，它提供了许多函数和变量来处理 Python 运行时环境的不同部分
- pathlib： 这个库提供了一种面向对象的方式来与文件系统交互，可以让代码更简洁、更易读
- threading： python中处理多线程的库
然后再导入一些 pytorch库：
- numpy： 科学计算库，提供了矩阵，线性代数，傅立叶变换等等的解决方案, 最常用的是它的N维数组对象
- torch： 这是主要的Pytorch库。它提供了构建、训练和评估神经网络的工具
- tqdm： 就是我们看到的训练时进度条显示
1.2 获取当前文件的绝对路径
'''===================2.获取当前文件的绝对路径========================'''
FILE = Path(__file__).resolve()# __file__指的是当前文件(即val.py),FILE最终保存着当前文件的绝对路径,比如D://yolov5/val.py
ROOT = FILE.parents[0] # YOLOv5 root directory ROOT保存着当前项目的父目录,比如 D://yolov5
if str(ROOT) not in sys.path: # sys.path即当前python环境可以运行的路径,假如当前项目不在该路径中,就无法运行其中的模块,所以就需要加载路径
sys.path.append(str(ROOT)) # add ROOT to PATH 把ROOT添加到运行路径上
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative ROOT设置为相对路径这段代码会获取当前文件的绝对路径，并使用Path库将其转换为Path对象。
这一部分的主要作用有两个：
- 将当前项目添加到系统路径上，以使得项目中的模块可以调用。
- 将当前项目的相对路径保存在ROOT中，便于寻找项目中的文件。
1.3 加载自定义模块
'''===================3..加载自定义模块============================'''
from models.common import DetectMultiBackend # yolov5的网络结构(yolov5)
from utils.callbacks import Callbacks # 和日志相关的回调函数
from utils.datasets import create_dataloader # 加载数据集的函数
from utils.general import (LOGGER, NCOLS, box_iou, check_dataset, check_img_size, check_requirements, check_yaml,
coco80_to_coco91_class, colorstr, increment_path, non_max_suppression, print_args,
scale_coords, xywh2xyxy, xyxy2xywh) # 定义了一些常用的工具函数
from utils.metrics import ConfusionMatrix, ap_per_class # 在YOLOv5中，fitness函数实现对 [P, R, mAP@.5, mAP@.5-.95] 指标进行加权
from utils.plots import output_to_target, plot_images, plot_val_study # 定义了Annotator类，可以在图像上绘制矩形框和标注信息
from utils.torch_utils import select_device, time_sync # 定义了一些与PyTorch有关的工具函数
这些都是用户自定义的库，由于上一步已经把路径加载上了，所以现在可以导入，这个顺序不可以调换。具体来说，代码从如下几个文件中导入了部分函数和类：
- models.common： yolov5的网络结构(yolov5)
- utils.callbacks： 定义了回调函数，主要为logger服务
- utils.datasets： dateset和dateloader定义代码
- utils.general.py： 定义了一些常用的工具函数，比如检查文件是否存在、检查图像大小是否符合要求、打印命令行参数等等
- utils.metrics： 模型验证指标，包括ap，混淆矩阵等
- utils.plots.py： 定义了Annotator类，可以在图像上绘制矩形框和标注信息
- utils.torch_utils.py： 定义了一些与PyTorch有关的工具函数，比如选择设备、同步时间等 通过导入这些模块，可以更方便地进行目标检测的相关任务，并且减少了代码的复杂度和冗余
🚀二、保存信息
2.1 保存预测信息到txt文件
'''======================1.保存预测信息到txt文件====================='''
def save_one_txt(predn, save_conf, shape, file):
# Save one txt result
# gn = [w, h, w, h] 对应图片的宽高 用于后面归一化
gn = torch.tensor(shape)[[1, 0, 1, 0]] # normalization gain whwh
# 将每个图片的预测信息分别存入save_dir/labels下的xxx.txt中 每行: class_id + score + xywh
for *xyxy, conf, cls in predn.tolist():
# 将xyxy(左上角+右下角)格式转为xywh(中心点+宽高)格式，并归一化，转化为列表再保存
xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh
# line的形式是： "类别 xywh"，若save_conf为true，则line的形式是："类别 xywh 置信度"
line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format
# 将上述test得到的信息输出保存 输出为xywh格式 coco数据格式也为xywh格式
with open(file, 'a') as f:
# 写入对应的文件夹里，路径默认为“runs\\detect\\exp*\\labels”
f.write(('%g ' * len(line)).rstrip() % line + '\\n')这段代码主要是保存预测信息为txt文件
保存的信息为：
- cls： 图片类别
- xywh： 图片的中心点＋宽高
- conf： 置信度
首先获取图片的w和h，也就是对应的宽高，然后把每个图片的预测信息分别存入save_dir/labels下的xxx.txt中。
接着将bbox的左上角点、右下角点坐标的格式，转换为bbox中心点 + bbox的w,h的格式，并进行归一化。即：xyxy（左上右下） ——> xywh（中心宽高）。
最后，将预测的类别和坐标值保存到对应图片image_name.txt文件中，路径默认为“runs\\detect\\exp*\\labels”
2.2 保存预测信息到coco格式的json字典
'''======================2.保存预测信息到coco格式的json字典====================='''
def save_one_json(predn, jdict, path, class_map):
# 储存格式 "image_id": 42, "category_id": 18, "bbox": [258.15, 41.29, 348.26, 243.78], "score": 0.236
# 获取图片id
image_id = int(path.stem) if path.stem.isnumeric() else path.stem
# 获取预测框 并将xyxy转为xywh格式
box = xyxy2xywh(predn[:, :4]) # xywh
box[:, :2] -= box[:, 2:] / 2 # xy center to top-left corner
# 序列解包
for p, b in zip(predn.tolist(), box.tolist()):
jdict.append('image_id': image_id, # 图片id 即属于哪张图片
'category_id': class_map[int(p[5])], # 类别 coco91class()从索引0~79映射到索引0~90
'bbox': [round(x, 3) for x in b], # 预测框坐标
'score': round(p[4], 5)) # 预测得分
这段代码主要是保存coco格式的json文件字典。
保存的信息为：
- image_id： 图片id，即属于哪张图片
- category_id： 类别，coco91class()从索引0~79映射到索引0~90
- bbox： 预测框坐标
- score： 预测得分
首先获取图片的id以及预测框，并把xyxy格式转化为xywh格式。
注意：之前的的xyxy格式是左上角右下角坐标 ，xywh是中心的坐标和宽高，而coco的json格式的框坐标是xywh(左上角坐标 + 宽高)，所以 box[:, :2] -= box[:, 2:] / 2 这行代码是将中心点坐标 -> 左上角坐标。
然后再用zip（）函数进行序列解包，逐一保存上述信息。
🚀三、计算指标
'''========================三、计算指标==========================='''
def process_batch(detections, labels, iouv):
"""
Return correct predictions matrix.
返回每个预测框在10个IoU阈值上是TP还是FP
Both sets of boxes are in (x1, y1, x2, y2) format.
Arguments:
detections (Array[N, 6]), x1, y1, x2, y2, conf, class
labels (Array[M, 5]), class, x1, y1, x2, y2
Returns:
correct (Array[N, 10]), for 10 IoU levels
"""
# 构建一个[pred_nums, 10]全为False的矩阵
correct = torch.zeros(detections.shape[0], iouv.shape[0], dtype=torch.bool, device=iouv.device)
# 计算每个gt与每个pred的iou，shape为: [gt_nums, pred_nums]
iou = box_iou(labels[:, 1:], detections[:, :4])
# iou超过阈值而且类别正确，则为True，返回索引
x = torch.where((iou >= iouv[0]) & (labels[:, 0:1] == detections[:, 5])) # IoU above threshold and classes match
# 如果存在符合条件的预测框
if x[0].shape[0]: # 至少有一个TP
# 将符合条件的位置构建成一个新的矩阵，第一列是行索引（表示gt索引），第二列是列索引（表示预测框索引），第三列是iou值
matches = torch.cat((torch.stack(x, 1), iou[x[0], x[1]][:, None]), 1).cpu().numpy() # [label, detection, iou]
if x[0].shape[0] > 1:
# argsort获得有小到大排序的索引, [::-1]相当于取反reserve操作，变成由大到小排序的索引，对matches矩阵进行排序
matches = matches[matches[:, 2].argsort()[::-1]]
matches = matches[np.unique(matches[:, 1], return_index=True)[1]]
'''
参数return_index=True：表示会返回唯一值的索引，[0]返回的是唯一值，[1]返回的是索引
matches[:, 1]：这里的是获取iou矩阵每个预测框的唯一值，返回的是最大唯一值的索引，因为前面已由大到小排序
这个操作的含义：每个预测框最多只能出现一次，如果有一个预测框同时和多个gt匹配，只取其最大iou的一个
'''
# matches = matches[matches[:, 2].argsort()[::-1]]
matches = matches[np.unique(matches[:, 0], return_index=True)[1]]
'''
matches[:, 0]：这里的是获取iou矩阵gt的唯一值，返回的是最大唯一值的索引，因为前面已由大到小排序
这个操作的含义: 每个gt也最多只能出现一次，如果一个gt同时匹配多个预测框，只取其匹配最大的那一个预测框
'''
# 以上操作实现了为每一个gt分配一个iou最高的类别的预测框，实现一一对应
matches = torch.Tensor(matches).to(iouv.device)
correct[matches[:, 1].long()] = matches[:, 2:3] >= iouv
'''
当前获得了gt与预测框的一一对应，其对于的iou可以作为评价指标，构建一个评价矩阵
需要注意，这里的matches[:, 1]表示的是为对应的预测框来赋予其iou所能达到的程度，也就是iouv的评价指标
'''
# 在correct中，只有与gt匹配的预测框才有对应的iou评价指标，其他大多数没有匹配的预测框都是全部为False
return correct这段代码主要是计算correct，来获取匹配预测框的iou信息。
这个函数主要有两个作用：
- 作用1：对预测框与gt进行匹配
- 作用2：对匹配上的预测框进行iou数值判断，用True来填充，其余没有匹配上的预测框的所以行数全部设置为False
对于每张图像的预测框，需要筛选出能与gt匹配的框来进行相关的iou计算，设置了iou从0.5-0.95的10个梯度，如果匹配的预测框iou大于相对于的阈值，则在对应位置设置为True，否则设置为False；而对于没有匹配上的预测框全部设置为False。
Q：为什么要筛选？
这是因为一个gt只可能是一个类别，不可能是多个类别，所以需要取置信度最高的类别进行匹配。但是此时还可能多个gt和一个预测框匹配，同样的，为这个预测框分配iou值最高的gt，依次来实现一一配对。
🚀四、执行run（）函数
4.1 设置参数
'''======================1.设置参数====================='''
@torch.no_grad()
def run(data, # 数据集配置文件地址 包含数据集的路径、类别个数、类名、下载地址等信息 train.py时传入data_dict
weights=None, # 模型的权重文件地址 运行train.py=None 运行test.py=默认weights/yolov5s
batch_size=32, # 前向传播的批次大小 运行test.py传入默认32 运行train.py则传入batch_size // WORLD_SIZE * 2
imgsz=640, # 输入网络的图片分辨率 运行test.py传入默认640 运行train.py则传入imgsz_test
conf_thres=0.001, # object置信度阈值 默认0.001
iou_thres=0.6, # 进行NMS时IOU的阈值 默认0.6
task='val', # 设置测试的类型 有train, val, test, speed or study几种 默认val
device='', # 执行 val.py 所在的设备 cuda device, i.e. 0 or 0,1,2,3 or cpu
single_cls=False, # 数据集是否只有一个类别 默认False
augment=False, # 测试时增强
verbose=False, # 是否打印出每个类别的mAP 运行test.py传入默认Fasle 运行train.py则传入nc < 50 and final_epoch
save_txt=False, # 是否以txt文件的形式保存模型预测框的坐标 默认True
save_hybrid=False, # 是否保存预测每个目标的置信度到预测txt文件中 默认True
save_conf=False, # 保存置信度
save_json=False, # 是否按照coco的json格式保存预测框，并且使用cocoapi做评估（需要同样coco的json格式的标签）,
#运行test.py传入默认Fasle 运行train.py则传入is_coco and final_epoch(一般也是False)
project=ROOT / 'runs/val', # 验证结果保存的根目录 默认是 runs/val
name='exp', # 验证结果保存的目录 默认是exp 最终: runs/val/exp
exist_ok=False, # 如果文件存在就increment name，不存在就新建 默认False(默认文件都是不存在的)
half=True, # 使用 FP16 的半精度推理
dnn=False, # 在 ONNX 推理时使用 OpenCV DNN 后段端
model=None, # 如果执行val.py就为None 如果执行train.py就会传入( model=attempt_load(f, device).half() )
dataloader=None, # 数据加载器 如果执行val.py就为None 如果执行train.py就会传入testloader
save_dir=Path(''), # 文件保存路径 如果执行val.py就为‘’ , 如果执行train.py就会传入save_dir(runs/train/expn)
plots=True, # 是否可视化 运行val.py传入，默认True
callbacks=Callbacks(), # 回调函数
compute_loss=None, # 损失函数 运行val.py传入默认None 运行train.py则传入compute_loss(train)
):这段代码定义了run（）函数，并设置了一系列参数，用于指定物体检测或识别的相关参数。
这些参数包括：
- data： 数据集文件的路径，默认为COCO128数据集的配置文件路径
- weights： 模型权重文件的路径，默认为YOLOv5s的权重文件路径
- batch_size: 前向传播的批次大小，运行val.py传入默认32 。运行train.py则传入batch_size // WORLD_SIZE * 2
- imgsz： 输入图像的大小，默认为640x640
- conf_thres： 置信度阈值，默认为0.001
- iou_thres： 非极大值抑制的iou阈值，默认为0.6
- task: 设置测试的类型 有train, val, test, speed or study几种，默认val
- device： 使用的设备类型，默认为空，表示自动选择最合适的设备
- single_cls: 数据集是否只用一个类别，运行val.py传入默认False 运行train.py则传入single_cls
- augment： 是否使用数据增强的方式进行检测，默认为False
- verbose: 是否打印出每个类别的mAP，运行val.py传入默认Fasle。运行train.py则传入nc < 50 and final_epoch
- save_txt： 是否将检测结果保存为文本文件，默认为False
- save_hybrid: 是否保存 label+prediction hybrid results to *.txt 默认False
- save_conf： 是否在保存的文本文件中包含置信度信息，默认为False
- save_json： 是否按照coco的json格式保存预测框，并且使用cocoapi做评估（需要同样coco的json格式的标签）运行test.py传入默认Fasle。运行train.py则传入is_coco and final_epoch(一般也是False)
- project： 结果保存的项目文件夹路径，默认为“runs/val”
- name： 结果保存的文件名，默认为“exp”
- exist_ok： 如果结果保存的文件夹已存在，是否覆盖，默认为False，即不覆盖
- half： 是否使用FP16的半精度推理模式，默认为False
- dnn： 是否使用OpenCV DNN作为ONNX推理的后端，默认为False
- model: 模型， 如果执行val.py就为None 如果执行train.py就会传入ema.ema(ema模型)
- dataloader: 数据加载器， 如果执行val.py就为None 如果执行train.py就会传入testloader
- save_dir: 文件保存路径， 如果执行val.py就为‘ ’ ，如果执行train.py就会传入save_dir(runs/train/expn)
- plots: 是否可视化，运行val.py传入默认True，运行train.py则传入plots and final_epoch
- callback: 回调函数
- compute_loss: 损失函数，运行val.py传入默认None，运行train.py则传入compute_loss(train)
4.2 初始化/加载模型以及设置设备
'''======================2.初始化/加载模型以及设置设备====================='''
# Initialize/load model and set device
training = model is not None
if training: # 通过 train.py 调用的run函数
# 获得记录在模型中的设备 next为迭代器
device, pt = next(model.parameters()).device, True
# 精度减半
# 如果设备类型不是cpu 则将模型由32位浮点数转换为16位浮点数
half &= device.type != 'cpu' # half precision only supported on CUDA
model.half() if half else model.float()
else: # 直接通过 val.py 调用 run 函数
# 调用torch_utils中select_device来选择执行程序时的设备
device = select_device(device, batch_size=batch_size)
# 路径
# 调用genera.py中的increment_path函数来生成save_dir文件路径 run\\test\\expn
save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run
# mkdir创建路径最后一级目录
(save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir
model = DetectMultiBackend(weights, device=device, dnn=dnn)
stride, pt = model.stride, model.pt
# 调用general.py中的check_img_size函数来检查图像分辨率能否被32整除
imgsz = check_img_size(imgsz, s=stride) # check image size
# 如果不是CPU，使用半进度(图片半精度/模型半精度)
half &= pt and device.type != 'cpu' # half precision only supported by PyTorch on CUDA
if pt:
model.model.half() if half else model.model.float()
else:
half = False
batch_size = 1 # export.py models default to batch-size 1
device = torch.device('cpu')
# 打印耗时
LOGGER.info(f'Forcing --batch-size 1 square inference shape(1,3,imgsz,imgsz) for non-PyTorch backends')
# Data
# 调用general.py中的check_dataset函数来检查数据文件是否正常
data = check_dataset(data) # check这段代码主要是初始化并加载模型，并设置设备
首先判断模型是否存在，若不存在则训练为假。
接着判断是否是训练时调用run函数——执行train.py， 如果是就使用训练时的设备（一般都是train），如果不是trin.py调用run函数——执行val.py，就调用select_device选择可用的设备，并生成save_dir + make dir + 加载模型model + check imgsz + 加载data配置信息。
- 训练时（train.py）调用：初始化模型参数、训练设备
- 验证时（val.py）调用：初始化设备、save_dir文件路径、make dir、加载模型、check imgsz、 加载+check data配置信息
最后判断设备类型并仅仅单GPU支持一半的精度。Half model 只能在单GPU设备上才能使用， 一旦使用half，不但模型需要设为half，输入模型的图片也需要设为half。如果设备类型不是CPU 则将模型由32位浮点数转换为16位浮点数。
4.3 加载配置
'''======================3.加载配置====================='''
# Configure
# 将模型转换为测试模式 固定住dropout层和Batch Normalization层
model.eval()
# 通过 COCO 数据集的文件夹组织结构判断当前数据集是否为 COCO 数据集
is_coco = isinstance(data.get('val'), str) and data['val'].endswith('coco/val2017.txt') # COCO dataset
# 确定检测的类别数目
nc = 1 if single_cls else int(data['nc']) # number of classes
# 计算mAP相关参数
iouv = torch.linspace(0.5, 0.95, 10).to(device) # mAP@0.5:0.95 的iou向量
# numel为pytorch预置函数 用来获取张量中的元素个数
niou = iouv.numel()这段代码主要是加载数据集的yaml配置文件
首先，通过model.eval() 启动模型验证模式，is_coco判断是否是coco数据集。
然后，确定检测的类别个数nc ，以及计算mAP相关参数，设置iou阈值从0.5-0.95取10个(0.05间隔) 所以iouv: [0.50000, 0.55000, 0.60000, 0.65000, 0.70000, 0.75000, 0.80000, 0.85000, 0.90000, 0.95000]
4.4 加载val数据集
'''======================4.加载val数据集====================='''
# Dataloader
if not training:
if pt and device.type != 'cpu':
# 创建一张全为0的图片（四维张量）
model(torch.zeros(1, 3, imgsz, imgsz).to(device).type_as(next(model.model.parameters()))) # warmup
pad = 0.0 if task == 'speed' else 0.5
task = task if task in ('train', 'val', 'test') else 'val' # path to train/val/test images
# 调用datasets.py文件中的create_dataloader函数创建dataloader
dataloader = create_dataloader(data[task], imgsz, batch_size, stride, single_cls, pad=pad, rect=pt,
prefix=colorstr(f'task: '))[0]这段代码主要是加载val数据集
判断是否是训练。如果不是训练——执行val.py调用run函数，就调用create_dataloader生成dataloader 。 如果是训练——执行train.py调用run函数，就不需要生成dataloader 可以直接从参数中传过来testloader。
- 训练时（train.py）调用：加载val数据集
- 验证时（val.py）调用：不需要加载val数据集 直接从train.py 中传入testloader
4.5 初始化
'''======================5.初始化====================='''
# 初始化已完成测试的图片数量
seen = 0
# 调用matrics中函数 存储混淆矩阵
confusion_matrix = ConfusionMatrix(nc=nc)
# 获取数据集所有类别的类名
names = k: v for k, v in enumerate(model.names if hasattr(model, 'names') else model.module.names)
# 调用general.py中的函数 获取coco数据集的类别索引
class_map = coco80_to_coco91_class() if is_coco else list(range(1000))
# 设置tqdm进度条的显示信息
s = ('%20s' + '%11s' * 6) % ('Class', 'Images', 'Labels', 'P', 'R', 'mAP@.5', 'mAP@.5:.95')
# 初始化detection中各个指标的值
dt, p, r, f1, mp, mr, map50, map = [0.0, 0.0, 0.0], 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0
# 初始化网络训练的loss
loss = torch.zeros(3, device=device)
# 初始化json文件涉及到的字典、统计信息、AP、每一个类别的AP、图片汇总
jdict, stats, ap, ap_class = [], [], [], []
pbar = tqdm(dataloader, desc=s, ncols=NCOLS, bar_format='l_barbar:10r_barbar:-10b') # progress bar这段代码主要是获取dataloader、初始化模型测试当中用到的相应参数
（1）初始化已完成测试图片数量，设置seen=0
（2）初始化混淆矩阵
（3）获取数据集类名 和coco数据集的类别索引
（4）设置tqdm进度条的显示信息
（5）初始化p, r, f1, mp, mr, map50, map指标和初始化测试集的损失以及初始化json文件中的字典 统计信息、ap等
4.6 验证过程
4.6.1 开始验证前的预处理
'''===6.1 开始验证前的预处理==='''
for batch_i, (im, targets, paths, shapes) in enumerate(pbar):
# 获取当前时间
t1 = time_sync()
if pt:
# 将图片数据拷贝到device（GPU）上面
im = im.to(device, non_blocking=True)
#对targets也做同样拷贝的操作
targets = targets.to(device)
# 将图片从64位精度转换为32位精度
im = im.half() if half else im.float() # uint8 to fp16/32
# 将图像像素值0-255的范围归一化到0-1的范围
im /= 255 # 0 - 255 to 0.0 - 1.0
# 四个变量分别代表batchsize、通道数目、图像高度、图像宽度
nb, _, height, width = im.shape # batch size, channels, height, width
# 获取当前时间
t2 = time_sync()
# dt[0]: 累计处理数据时间
dt[0] += t2 - t1这段代码主要是预处理图片和target
获取dataloader当中的batch、图片、目标、路径、形状信息等。
4.6.2 前项推理
'''===6.2 前向推理==='''
# Inference
out, train_out = model(im) if training else model(im, augment=augment, val=True) # inference, loss outputs
# 累计前向推理时间 dt[1]
dt[1] += time_sync() - t2这段代码主要是模型前项推理以及累计前项推理时间
- out: 推理结果。1个 ，[bs, anchor_num*grid_w*grid_h, xywh+c+20classes] = [1, 19200+4800+1200, 25]
- train_out: 训练结果。3个， [bs, anchor_num, grid_w, grid_h, xywh+c+20classes]。如: [1, 3, 80, 80, 25] [1, 3, 40, 40, 25] [1, 3, 20, 20, 25]
4.6.3 计算损失
'''===6.3 计算损失==='''
# Loss
# compute_loss不为空 说明正在执行train.py 根据传入的compute_loss计算损失值
if compute_loss:
# loss 包含bounding box 回归的GIoU、object和class 三者的损失
loss += compute_loss([x.float() for x in train_out], targets)[1] # box, obj, cls
这段代码主要是计算验证集损失
判断compute_loss是否为空，不为空则说明正在执行train.py ，根据传入的compute_loss计算损失值。
loss 包含bounding box 回归的GIoU、object和class 三者的损失
- 分类损失(cls_loss)：该损失用于判断模型是否能够准确地识别出图像中的对象，并将其分类到正确的类别中。
- 置信度损失(obj_loss)：该损失用于衡量模型预测的框（即包含对象的矩形）与真实框之间的差异。
- 边界框损失(box_loss)：该损失用于衡量模型预测的边界框与真实边界框之间的差异，这有助于确保模型能够准确地定位对象。
4.6.4 NMS获得预测框
'''===6.4 NMS获得预测框==='''
# NMS
# targets: [num_target, img_index+class_index+xywh] = [31, 6]
targets[:, 2:] *= torch.Tensor([width, height, width, height]).to(device) # to pixels
# 提取bach中每一张图片的目标的label
# lb: list: bs 第一张图片的target[17, 5] 第二张[1, 5] 第三张[7, 5] 第四张[6, 5]
lb = [targets[targets[:, 0] == i, 1:] for i in range(nb)] if save_hybrid else [] # for autolabelling
# 计算NMS过程所需要的时间
t3 = time_sync()
# 调用general.py中的函数 进行非极大值抑制操作
out = non_max_suppression(out, conf_thres, iou_thres, labels=lb, multi_label=True, agnostic=single_cls)
# 累计NMS时间
dt[2] += time_sync() - t3这段代码主要是运行NMS 目标检测的后处理模块，用于删除冗余的bounding box
首先将真实框target的xywh (因为 target 是在 labelimg 中做了归一化的)映射到真实的图像尺寸
然后，在 NMS之前将数据集标签 targets 添加到模型预测中，这允许在数据集中自动标记(for autolabelling)其它对象(在pred中混入gt)并且mAP反映了新的混合标签。
最后调用general.py中的函数，进行NMS操作，并计算NMS过程所需要的时间，
4.6.5 统计真实框、预测框信息
'''===6.5 统计真实框、预测框信息==='''
# Metrics
# si代表第si张图片，pred是对应图片预测的label信息
for si, pred in enumerate(out):
# 获取第si张图片的gt标签信息 包括class, x, y, w, h target[:, 0]为标签属于哪张图片的编号
labels = targets[targets[:, 0] == si, 1:]
# nl为图片检测到的目标个数
nl = len(labels)
# tcls为检测到的目标的类别 label矩阵的第一列
tcls = labels[:, 0].tolist() if nl else [] # target class
# 第si张图片对应的文件路径
path, shape = Path(paths[si]), shapes[si][0]
# 统计测试图片数量 +1
seen += 1
# 如果预测为空，则添加空的信息到stats里
if len(pred) == 0:
if nl: # 预测为空但同时有label信息
# stats初始化为一个空列表[] 此处添加一个空信息
# 添加的每一个元素均为tuple 其中第二第三个变量为一个空的tensor
stats.append((torch.zeros(0, niou, dtype=torch.bool), torch.Tensor(), torch.Tensor(), tcls))
continue
# Predictions
# 预测
if single_cls:
pred[:, 5] = 0
# 对pred进行深复制
predn = pred.clone()
# 调用general.py中的函数 将图片调整为原图大小
scale_coords(im[si].shape[1:], predn[:, :4], shape, shapes[si][1]) # native-space pred
# Evaluate
# 预测框评估
if nl:
# 获得xyxy格式的框
tbox = xywh2xyxy(labels[:, 1:5]) # target boxes
# 调用general.py中的函数 将图片调整为原图大小
scale_coords(im[si].shape[1:], tbox, shape, shapes[si][1]) # native-space labels
# 处理完gt的尺寸信息，重新构建成 (cls, xyxy)的格式
labelsn = torch.cat((labels[:, 0:1], tbox), 1) # native-space label
# 对当前的预测框与gt进行一一匹配，并且在预测框的对应位置上获取iou的评分信息，其余没有匹配上的预测框设置为False
correct = process_batch(predn, labelsn, iouv)
if plots:
# 计算混淆矩阵 confusion_matrix
confusion_matrix.process_batch(predn, labelsn)
else:
# 返回一个形状为为pred.shape[0, 类型为torch.dtype，里面的每一个值都是0的tensor
correct = torch.zeros(pred.shape[0], niou, dtype=torch.bool)
# 每张图片的结果统计到stats里
stats.append((correct.cpu(), pred[:, 4].cpu(), pred[:, 5].cpu(), tcls)) # (correct, conf, pcls, tcls)
# Save/log
# 保存预测信息到txt文件
if save_txt:
save_one_txt(predn, save_conf, shape, file=save_dir / 'labels' / (path.stem + '.txt'))
# 保存预测信息到json字典
if save_json:
save_one_json(predn, jdict, path, class_map) # append to COCO-JSON dictionary
callbacks.run('on_val_image_end', pred, predn, path, names, im[si])这段代码主要是统计每张图片真实框和预测框的相关信息
首先统计每张图片的相关信息，如预测label信息、标签gt信息等。然后统计检测到的目标个数和类别以及相对应的文件路径。
接着利用得到的上述信息进行目标的预测，并将结果保存同时输出日志，分别保存预测信息到image_name.txt文件和coco格式的json字典。
- txt文件保存的预测信息：cls＋xywh＋conf
- jdict字典保存的预测信息：image_id + category_id + bbox + score
4.6.6 画出前三个batch图片的gt和pred框
'''===6.6 画出前三个batch图片的gt和pred框==='''
# Plot images
# 画出前三个batch的图片的ground truth和预测框predictions(两个图)一起保存
if plots and batch_i < 3:
f = save_dir / f'val_batchbatch_i_labels.jpg' # labels
Thread(target=plot_images, args=(im, targets, paths, f, names), daemon=True).start()
'''
Thread()函数为创建一个新的线程来执行这个函数 函数为plots.py中的plot_images函数
target: 执行的函数 args: 传入的函数参数 daemon: 当主线程结束后, 由他创建的子线程Thread也已经自动结束了
.start(): 启动线程 当thread一启动的时候, 就会运行我们自己定义的这个函数plot_images
如果在plot_images里面打开断点调试, 可以发现子线程暂停, 但是主线程还是在正常的训练(还是正常的跑)
'''
# 传入plot_images函数之前需要改变pred的格式 target则不需要改
f = save_dir / f'val_batchbatch_i_pred.jpg' # predictions
Thread(target=plot_images, args=(im, output_to_target(out), paths, f, names), daemon=True).start()
这段代码主要是创建子进程进行绘图，画出前三个batch图片的gt和pred框
- gt : 真实框，Ground truth box, 是人工标注的位置，存放在标注文件中
- pred : 预测框，Prediction box， 是由目标检测模型计算输出的框
4.6.7 计算指标
'''===6.7 计算指标==='''
# Compute metrics
# 将stats列表的信息拼接到一起
stats = [np.concatenate(x, 0) for x in zip(*stats)] # 转换为对应格式numpy
# stats[0].any(): stats[0]是否全部为False, 是则返回 False, 如果有一个为 True, 则返回 True
if len(stats) and stats[0].any():
# 计算上述测试过程中的各种性能指标
p, r, ap, f1, ap_class = ap_per_class(*stats, plot=plots, save_dir=save_dir, names=names)
ap50, ap = ap[:, 0], ap.mean(1) # AP@0.5, AP@0.5:0.95
mp, mr, map50, map = p.mean(), r.mean(), ap50.mean(), ap.mean()
nt = np.bincount(stats[3].astype(np.int64), minlength=nc) # number of targets per class
else:
nt = torch.zeros(1)这段代码主要是计算评判分类效果的各种指标
correct [img_sum, 10] ：整个数据集所有图片中所有预测框在每一个iou条件下是否是TP [1905, 10]
- p: [nc] 最大平均f1时每个类别的precision
- r: [nc] 最大平均f1时每个类别的recall
- ap: [71, 10] 数据集每个类别在10个iou阈值下的mAP
- f1： [nc] 最大平均f1时每个类别的f1
- ap_class: [nc] 返回数据集中所有的类别index
conf [img_sum] ：
以上是关于YOLOv5源码逐行超详细注释与解读——验证部分val（test）.py的主要内容，如果未能解决你的问题，请参考以下文章