#YOLO_v3代码解析以及相关注意事项

Posted 2020-11-03 koushihao

1. 项目介绍

$~~~~~~~$本次YOLO_v3的项目来源于机器之心翻译的项目---从零开始PyTorch项目：YOLO v3目标检测实现以及从零开始 PyTorch 项目：YOLO v3 目标检测实现（下）两部分组成，原版的博客在此Series: YOLO object detector in PyTorch，原始博客的GitHub地址为：ayooshkathuria/pytorch-yolo-v3，最后附上论文的地址：YOLOv3: An Incremental Improvement

2. 项目需求及相关文件解释

$~~~~~~~$YOLO_v3官方原始的代码是由C语言所写，真是佩服作者手撸代码能力啊，但是由于源码并没有相关的任何注释，阅读起来特别费事，所以参考了网上关于YOLO_v3迁移到$Tensorflow$和$Pytorch$的代码进行阅读，以便对代码有更深的认识和理解。

$~~~~~~~$关于此YOLO_v3的$Pytorch$的代码，其$Pytorch$作者的GitHub提到相应的需求如下：

• Python3.5
• OpenCV
• Pytorch 0.4(其中作者提了一句：$Using$ $PyTorch$ $0.3$ $will$ $break$ $the$ $detector.$)

$~~~~~~~$在准备好相应的东西之后将相应的项目$Clone$ $or$ $downoad$下来，除此之外你首先需要下载$weights$ $file$(权重文件)，地址如下：a weightsfile only for COCO，大小有237M，下载下来的权重文件只需放在下载好的$project$根目录下即可，权重文件名为：yolov3.weights

$~~~~~~~$一切准备就绪就可以进行图片检测了，如果想要检测图片，可以在$Pycharm$的底部栏找到$Terminal$，也就是$CMD$，将地址$cd$到你下载的项目所在的地址，如：D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\yolo_tensorflow-master>，然后在$Terminal$中输入：python detect.py --images imgs --det det命令即可，其中 --images代表定义图片存储或加载的文件夹，而--det代表检测完图片之后将检测图片保存起来的文件夹，当然，如果需要查看其它标记含义(例如：--bs)，可以通过在命令行输入：python detect.py -h 或者直接代开$project$中detect.py文件查看arg_parse()函数下定义的参量进行查看。甚至直接运行detect.py文件也可以进行图片检测。

$~~~~~~~$如果你想检测视频，可以运行video.py进行检测，要在视频或网络摄像头上运行这个检测器，代码基本可以保持不变，只是我们不会在 batch 上迭代，而是在视频的帧上迭代。

$~~~~~~~$在视频上运行该检测器的代码可以在我们的 GitHub 中的 video.py 文件中找到。这个代码非常类似 detect.py 的代码，只有几处不太一样。这里需要注意的是，如果想要对视频进行检测需要将视频文件放入$projiect$的根目录中，而且在video.py文件中对视频定义的默认参数为：default = "video.avi"，所以，你需要更改你视频文件的名称或者更改参数的默认设定。

3. 源码详细解析

$~~~~~~~$PASS

4. 源码中的问题

$~~~~~~~$在项目下载下来之后发现了源码有一些比较坑的地方，以至于部分代码无法运行，这里举出暂时所遇到的坑以及解决办法。

4.1 视频检测中遇到的问题：

$~~~~~~~$此处非项目：YOLO_v3_tutorial_from_scratch-master中视频检测遇到的问题，而是项目yolo_tensorflow-master中视频检测遇到的问题，只是在此将所有和YOLO代码相关的问题都列举出来，在项目yolo_tensorflow-master的test.py中，第201-203行代码为摄像头检测的代码：detect from camera
代码中：cap = cv2.VideoCapture(0)，原始的GitHub：hizhangp/yolo_tensorflow代码中为：cap = cv2.VideoCapture(-1)，运行时造成摄像头开启后显示的图像为满屏幕的雪花噪点，无法检测到任何东西，需要将括号中的参数-1改为0方可正常开始摄像头进行检测。此项目yolo_tensorflow-master的解读参照知乎相关专栏：YOLO源码解析 作者：狗头山人七

4.2 图片检测中遇到的问题：

$~~~~~$此处遇到的问题非常的多和杂，将代码修改正确以正常运行耗费了我很多精力，在此一一列举，以备以后遇到类似情况。
$~~~~~$

4.2.1 绝对路径与相对路径的问题

$~~~~~~~$刚开始运行图片检测代码(项目：YOLO_v3_tutorial_from_scratch-master)的时候直接报错，报的错误为：

$~~~~~$AttributeError: ‘NoneType‘ object has no attribute ‘shape‘
$~~~$！！完全不知道错误的那种错！！
$~~~~~$

$~~~~~~~$后来一堆百度，Google查证之后发现是报了一个空的对象没有shape这个属性的错误，可能是因为路径设置不对，所以返回的类型是None。后来通过bug排除发现是代码第126行：imlist = [osp.join(osp.realpath(‘.‘), images, img) for img in os.listdir(images)]，这一行代码主要是用于生成图片所在的绝对地址：

D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\dog.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\eagle.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\giraffe.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\herd_of_horses.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\img1.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\img2.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\img3.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\img4.jpg
D:\软件安装\pycharm\PyCharm Community Edition 2017.3.3\workplace\pytorch-yolo-v3-master\imgs\lisa.jpg
$~~~~~~~$

$~~~~~$这里我意识到可能此处的错误并非作者源代码的错误，而是作者在用这一句osp.join(osp.realpath(‘.‘)的时候获取的是绝对路径，而我的绝对路径包含了中文！！！！
$~~~~~$

$~~~~~~~$所以为了解决这个问题，我需要将绝对路径修改为相对路径，以避免出现中文这个脑壳疼的问题（话说好多与bug有关的问题是出现路径有中文上！），修改方法就是上面的代码修改为：osp.join(osp.relpath(‘.‘)，其中rel指的就是relative。

---

4.2.2 斜杠‘/‘与反斜杠‘\‘的问题

$~~~~~~~$在上面的问题解决以后运行代码发现代码运行正常，但是最后保存检测图片的文件夹--det并没有任何图片存放其中，后来定位到存放图片的代码：

det_names = pd.Series(imlist).apply(lambda x: "{}/det_{}".format(args.det,x.split("/")[-1]))
list(map(cv2.imwrite, det_names, orig_ims))

$~~~~~~~$每张图像都以「det_」加上图像名称的方式保存。我们创建了一个地址列表，这是我们保存我们的检测结果图像的位置。最后，将带有检测结果的图像写入到 det_names 中的地址。

$~~~~~~~$其中det_name打印出来结果如下：

0 det/det_.\imgs\dog.jpg
1 det/det_.\imgs\eagle.jpg
2 det/det_.\imgs\giraffe.jpg
3 det/det_.\imgs\herd_of_horses.jpg
4 det/det_.\imgs\img1.jpg
5 det/det_.\imgs\img2.jpg
6 det/det_.\imgs\img3.jpg
7 det/det_.\imgs\img4.jpg
8 det/det_.\imgs\lisa.jpg
9 det/det_.\imgs\messi.jpg
10 det/det_.\imgs\person.jpg
11 det/det_.\imgs\scream.jpg
12 det/det_.\imgs\vagaa.jpg

$~~~~~~~$而imlist打印出来的结果为：

[‘.\imgs\dog.jpg‘,‘.\imgs\eagle.jpg‘, ‘.\imgs\giraffe.jpg‘,‘.\imgs\herd_of_horses.jpg‘, ‘.\imgs\img1.jpg‘,‘.\imgs\img2.jpg‘, ‘.\imgs\img3.jpg‘,

$~~~~~~~$下一句代码：list(map(cv2.imwrite, det_names, orig_ims))中：

$~~~~~$1.cv2.imwrite()函数：保存图片的函数，共两个参数，第一个为保存文件名，第二个为读入图片。
$~~~$2. orig_ims：为list所包裹这的array矩阵，类型为无符号8位dtype=uint8，所以为图片的编码矩阵。
$~~~~~$3.map()函数：会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。语法为：map(function, iterable, ...)，其中function -- 函数，有两个参数；iterable -- 一个或多个序列，例如：map(square, [1,2,3,4,5])，打印：[1, 4, 9, 16, 25]，其中square(x)为一个函数，return x$^2$。

$~~~~~~~$所以从上可以看出map函数将cv2.imwrite, det_names, orig_ims之间建立映射，其中det_names, orig_ims作为cv2.imwrite()的参数，其中一个作为保存文件名，一个作为读入的图片。

$~~~~~~~$运行此代码，显示：

[False, False, False, False, False, False, False, False, False, False, False, False, False]

$~~~~~~~$说明映射失败，图片存储不成功。而由det_name所打印的显示表明失败是由于文件名中存在反斜杠‘‘，反斜杠在python中有实际转义含义的，所以需要将反斜杠换为斜杠，不然运行的时候代码会将反斜杠一起运行。

$~~~~~~~$修改方法如下：

    for i in range(len(imlist)):
    imlist[i] = imlist[i].replace('\\', '/')
    

$~~~~~~~$此处还需要注意的就是imlist[i].replace(‘\‘, ‘/‘)会生成一个列表存放修改后的值，而不是在原本的列表imlist[]上进行修改。

$~~~~~~~$修改后的det_name为：

0 det/det_dog.jpg
1 det/det_eagle.jpg
2 det/det_giraffe.jpg
3 det/det_herd_of_horses.jpg
4 det/det_img1.jpg
5 det/det_img2.jpg
6 det/det_img3.jpg
7 det/det_img4.jpg
8 det/det_lisa.jpg
9 det/det_messi.jpg
10 det/det_person.jpg
11 det/det_scream.jpg
12 det/det_vagaa.jpg

$~~~~~~~$此时，反斜杠已经改为了斜杠，代码运行正常，且det文件夹也正常存放了检测后的图片，如下：

5. 关于YOLO_v3作者

$~~~~~~~$在知乎中有一个问题是关于如何评价最新的YOLOv3？，非常有意思，列举如下一些有趣的点：

$~~~~~~~$1. 首先，YOLO_v3的论文根本就不算论文，更多的算是一片技术报告，读起来相当的欢乐。作者首先就诚实的表明自己去年没做什么研究，而是主要花在完Twitter上和玩了下GAN。

---

$~~~~~~~$2. 其次，yolo的作者编码能力真的强，darknet几乎不用啥依赖库，全部手撸，编译起来也是快到没朋友。而且，作业可能是个小马宝莉的迷吧，哈哈哈，蛮有意思，感觉像个小萌妹。看看他的resume、个人主页、git的commit message感受一下萌萌哒。

$~~~~~~~$而他本人长这样：

---

$~~~~~~~$3. 直接diss一众算法，例如他论文中出现的：

这张图把自己放在第二象限，赤裸裸的表达你们这些都是辣鸡。。。。
这图应该作者从其他论文裁剪过来，再强行画上的;
实力嘲讽啊，取了Retina里面的图，然后diss一波

---

$~~~~~$4. 论文结尾亮点满满，挺佩服能把自己论文写的这么随意的，羡慕大佬：

$~~~~~$效果好到论文可以随意写，反正我效果摆在这里，论文写的再随意，你们还是要引用的。

---

$~~~~~$5. 而且有细心网友发现，模型一作在arXiv上发布研究论文时，脑回路清奇地将自己这篇论文自引自用了一下。

$~~~~~$而在小哥自引自用后没多久，arXiv官方账号宣布服务器由于不明原因挂掉了……

6. 补完计划

$~~~~~~~$文章的第三部分代码详细解析，有空了会继续补完，待续。。。

---恢复内容结束---

## 你好