Yolov4性能分析(上)

Yolov4性能分析(上)

一.目录

  1. 实验测试

1) 测试介绍

2) Test

3) Train

二.分析

在这里插入图片描述

1.实验测试

在这里插入图片描述
在这里插入图片描述

  1. 1
    实验测试方法

Yolov4训练train实验方法(Darknet should be
compiled with OpenCV):

duration_run_detector:

./darknet detector train cfg/coco.data
cfg/yolov4.cfg data/yolov4.conv.137

Yolov4测试test实验方法(Yolo v4 - save result videofile
res.avi):

Yolo v4 - save result videofile
res.avi: darknet.exe
detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4
-out_filename res.avi

打开Yolov4 Main函数:

duration_run_detector: 0

,

duration_main_test_resize: 0

,

duration_main_visualize: 0

,

duration_main_partial: 0

,

duration_main_oneoff: 0

,

duration_main_operations: 0

,

duration_main_rescale_net 0

,

duration_main_normalize_net 0

,

duration_main_statistics_net
0

,

duration_main_reset_normalize_net 0

,

duration_main_run_rgbr_net 0

,

duration_main_run_nightmare 0

,

duration_main_run_captcha 0

,

duration_main_speed 0

,

duration_main_test_resize 0

,

duration_main_composite_3d 0

,

duration_main_run_writing 0

,

duration_main_run_dice 0

,

duration_main_run_compare 0

,

duration_main_run_tag 0

,

duration_main_run_art 0

,

duration_main_run_classifier 0

,

duration_main_predict_classifier 0

,

duration_main_predict_classifier 0

,

duration_main_run_coco
0

,

duration_main_run_vid_rnn 0

,

duration_main_run_char_rnn 0

,

duration_main_run_go 0

,

duration_main_run_cifar 0

,

duration_main_test_detector 0

//下面的接口参数是Train,Test,Validate的总接口

duration_main_run_detector 27023955

,

duration_main_run_super 0

,

duration_main_run_voxel 0

,

duration_main_run_yolo 0

,

duration_main_average 0

,

duration_main_denormalize_net 0

if (0 == strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename,

thresh, hier_thresh, dont_show, ext_output, save_labels, outfile, letter_box,
benchmark_layers); // 测试test_detector函数入口。

else if (0 == strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus,

clear, dont_show, calc_map, mjpeg_port, show_imgs, benchmark_layers,
chart_path); // 训练train_detector函数入口。

else if (0 == strcmp(argv[2], "valid")) validate_detector(datacfg,

cfg, weights, outfile); // 验证validate_detector函数入口。

一.Test

duration_run_detector_find_arg: 3

,

duration_run_detector_test_detector: 0

,

duration_run_detector_demo_detector: 27023955

,

duration_run_detector_train_detector: 0

,

duration_run_detector_calc_anchors: 0

,

duration_run_detector_draw_object: 0

,

duration_run_detector_validate_detector: 0

,

duration_run_detector_validate_detector_recall:
0

,

duration_run_detector_validate_map: 0

if (0 == strcmp(argv[2], “demo”)) {

    list

*options = read_data_cfg(datacfg);

    int

classes = option_find_int(options, “classes”, 20);

    char

*name_list = option_find_str(options, “names”,
“data/names.list”);

    char

**names = get_labels(name_list);

    if

(filename)

        if

(strlen(filename) > 0)

if (filename[strlen(filename) - 1] == 0x0d) filename[strlen(filename) -
1] = 0;

    demo(cfg, weights, thresh,

hier_thresh, cam_index, filename, names, classes, avgframes, frame_skip,
prefix, out_filename,

mjpeg_port, dontdraw_bbox, json_port, dont_show, ext_output, letter_box,
time_limit_sec, http_post_host, benchmark, benchmark_layers);

free_list_contents_kvp(options);

free_list(options);

}

Demo Detector

duration_parse_network_cfg_custom 442932/ 27023955=1.64%

duration_demo_load_weights 497513/
27023955=1.84%

duration_fuse_conv_batchnorm 393218/
27023955=1.46%

duration_calculate_binary_weights 591245/27023955=2.19%

duration_get_capture_video_stream 610033/27023955=2.26%

duration_get_capture_webcam

duration_custom_create_thread 220031/27023955=0.8%

duration_thread_sync 315469/27023955=1.17%

duration_create_window_cv 1663027/27023955=6.15%

duration_get_stream_fps_cpp_cv 1335095/27023955=4.94%

duration_create_video_writer 2016790/27023955=7.46%

duration_get_time_point 1803257/27023955=6.67%

duration_this_thread_yield 2208903/27023955=8.17%

duration_custom_atomic_stire_int 478896/27023955=1.77%

duration_diounms_sort 448094/27023955=1.66%

duration_set_track_id 610708/27023955=2.26%

duration_send_json 2365887/27023955=8.75%

duration_send_http_post_request 1082366/27023955=4.01%

duration_draw_detections_cv_v3 3092754/27023955=11.41%

duration_save_cv_jpg 2890907/27023955=10.70%

duration_send_mjpg 2988041/27023955=11.57%

duration_write_frame_cv 2605713/27023955=9.64%

duration_realease_image_mat 523714/27023955=1.94%

duration_delay_time 505567/27023955=1.87%

duration_free_all_thread 587132/27023955=2.17%

Demo:

net = parse_network_cfg_custom(cfgfile, 1, 1); // set batch=1

load_weights(&net, weightfile);

fuse_conv_batchnorm(net);

calculate_binary_weights(net);

if(filename){

printf(“video file: %s\n”, filename);

    cap =

get_capture_video_stream(filename);

}

else

{

  printf("Webcam

index: %d\n", cam_index);

  cap =

get_capture_webcam(cam_index);

}

custom_create_thread(&fetch_thread, 0,
fetch_in_thread, 0));

fetch_in_thread_sync(0); //fetch_in_thread(0);

fetch_in_thread_sync(0); //fetch_in_thread(0);

detect_in_thread_sync(0); //fetch_in_thread(0);

create_window_cv(“Demo”, full_screen, 1352,
1013);

if

(out_filename && !flag_exit)

{

    int

src_fps = 25;

    src_fps

= get_stream_fps_cpp_cv(cap);

output_video_writer =

create_video_writer(out_filename, ‘D’, ‘I’, ‘V’, ‘X’, src_fps,
get_width_mat(det_img), get_height_mat(det_img), 1);

    //'H',

‘2’, ‘6’, ‘4’

    //'D',

‘I’, ‘V’, ‘X’

    //'M',

‘J’, ‘P’, ‘G’

    //'M',

‘P’, ‘4’, ‘V’

    //'M',

‘P’, ‘4’, ‘2’

    //'X',

‘V’, ‘I’, ‘D’

    //'W',

‘M’, ‘V’, ‘2’

}

this_thread_yield();

if (!benchmark)
custom_atomic_store_int(&run_fetch_in_thread, 1);

custom_atomic_store_int(&run_detect_in_thread, 1);

if (nms) {

if (l.nms_kind == DEFAULT_NMS) do_nms_sort(local_dets,
local_nboxes, l.classes, nms);

else diounms_sort(local_dets, local_nboxes, l.classes,
nms, l.nms_kind, l.beta_nms);

}

if (l.embedding_size) set_track_id(local_dets,
local_nboxes, demo_thresh, l.sim_thresh, l.track_ciou_norm,
l.track_history_size, l.dets_for_track, l.dets_for_show);

if (demo_json_port > 0) {

int timeout

= 400000;

send_json(local_dets, local_nboxes, l.classes, demo_names, frame_id,
demo_json_port, timeout);

}

show_image_mat(show_img, “Demo”);

wait_key_cv(1);

send_http_post_request(http_post_host, http_post_port,
filename,

local_dets, nboxes, classes, names, frame_id, ext_output, timeout);

draw_detections_cv_v3(show_img, local_dets,
local_nboxes, demo_thresh, demo_names, demo_alphabet, demo_classes,
demo_ext_output);

free_detections(local_dets, local_nboxes);

if(show_img) save_cv_jpg(show_img, buff);

// if you run it with param -mjpeg_port 8090 then open URL in your web-browser:
http://localhost:8090

if

(mjpeg_port > 0 && show_img) {

       int

port = mjpeg_port;

       int

timeout = 400000;

       int

jpeg_quality = 40; // 1 - 100

send_mjpeg(show_img, port, timeout, jpeg_quality);

}

// save video
file

  if

(output_video_writer && show_img) {

write_frame_cv(output_video_writer, show_img);

printf("\n cvWriteFrame \n");

    }

while
(custom_atomic_load_int(&run_detect_in_thread)) {

if(avg_fps > 180) this_thread_yield();

else this_thread_sleep_for(thread_wait_ms); // custom_join(detect_thread, 0);

   }

if
(!benchmark) {

   while

(custom_atomic_load_int(&run_fetch_in_thread)) {

       if(avg_fps
  1. this_thread_yield();
       else

this_thread_sleep_for(thread_wait_ms);
// custom_join(fetch_thread, 0);

     }

free_image(det_s);

  }

if
(time_limit_sec > 0 && (get_time_point() - start_time_lim)/1000000

time_limit_sec) {

printf(" start_time_lim = %f, get_time_point() = %f, time spent =
%f \n", start_time_lim, get_time_point(), get_time_point() -
start_time_lim);

break;

}

二.Train

1)if (0 == strcmp(argv[2],
“train”)) train_detector(datacfg, cfg,
weights, gpus, ngpus, clear, dont_show, calc_map, mjpeg_port, show_imgs,
benchmark_layers, chart_path);

2)train_detector()函数:数据加载入口。

pthread_t load_thread = load_data(args); // 首次创建并启动加载线程,args为模型

训练参数。

1) load_data()函数:load_threads()分配线程。

pthread_t load_data(load_args args)

/* 调用load_threads()函数。 */

if(pthread_create(&thread, 0, load_threads, ptr)) error(“Thread creation failed”); // 参数1:指向线程标识符的指针;参数2:设置线程属性;参数3:线程运行函数的地址;参数4:运行函数的参数。

2) 多线程调用run_thread_loop()。

if (pthread_create(&threads[i], 0, run_thread_loop, ptr)) error(“Thread creation failed”); // 根据线程个数,调用run_thread_loop函数。

3) load_thread()函数中:根据type标识符执行最底层的数据加载任务load_data_detection()。

void *run_thread_loop(void
*ptr)

pthread_mutex_lock(&mtx_load_data);

load_args *args_local =
(load_args *)xcalloc(1, sizeof(load_args));

    *args_local = args_swap[i]; //

传入线程ID,在load_threads()函数中args_swap[i]
= args。

    pthread_mutex_unlock(&mtx_load_data);

    load_thread(args_local); // 调用load_thread()函数。

custom_atomic_store_int(&run_load_data[i],
0);

4) load_thread()函数中:根据type标识符执行最底层的数据加载任务load_data_detection()。

if (a.type == DETECTION_DATA){
// 用于检测的数据,在train_detector()函数中,args.type
= DETECTION_DATA。

    *a.d = load_data_detection(a.n,

a.paths, a.m, a.w, a.h, a.c, a.num_boxes, a.classes, a.flip, a.gaussian_noise,
a.blur, a.mixup, a.jitter, a.resize, a.hue, a.saturation, a.exposure,
a.mini_batch, a.track, a.augment_speed, a.letter_box, a.show_imgs);

5) “darknet/src/data.c”–load_data_detection()函数根据是否配置opencv,有两个版本,opencv版本中:

基本数据处理:

包括crop、flip、HSV augmentation、blur以及gaussian_noise。(注意,a.type
== DETECTION_DATA时,无angle参数传入,没有图像旋转增强)

if (track) random_paths =
get_sequential_paths(paths, n, m, mini_batch, augment_speed); // 目标跟踪。

else random_paths =
get_random_paths(paths, n, m); // 随机选取n张图片的路径。

src = load_image_mat_cv(filename, flag); //
image_opencv.cpp中,load_image_mat_cv函数入口,使用opencv读取图像。

/* 将原图进行一定比例的缩放。 */

float
img_ar = (float)ow / (float)oh; // 读取到的原始图像宽高比。

float
net_ar = (float)w / (float)h; // 规定的,输入到网络要求的图像宽高比。

float result_ar = img_ar / net_ar; //
两者求比值来判断如何进行letter_box缩放。

//
swidth - should be increased

/* 执行letter_box变换。 */

/*
truth在调用函数后获得所有图像的标签信息,因为对原始图片进行了数据增强,其中的平移抖动势必会改动每个物体的矩形框标签信息,需要根据具体的数据增强方式进行相应矫正,后面的参数就是用于数据增强后的矩形框信息矫正。 */

//
image_opencv.cpp中,image_data_augmentation函数入口,数据增强。

image ai = image_data_augmentation(src, w,
h, pleft, ptop, swidth, sheight, flip, dhue, dsat, dexp, gaussian_noise, blur,
boxes, truth);

6) image_data_augmentation()函数

cv::Mat img = *(cv::Mat *)mat; // 读取图像数据。

   // crop

//
flip,虽然配置文件里没有flip参数,但代码里有使用。

// HSV
augmentation

gaussian_noise

// Mat
-> image

7) 高级数据处理:

主要是mosaic数据增强。

if (use_mixup == 0) { // 不使用mixup。

 d.X.vals[i] = ai.data;

memcpy(d.y.vals[i], truth, 5 *
boxes * sizeof(float)); // C库函数,从存储区truth复制5 *
boxes * sizeof(float)个字节到存储区d.y.vals[i]。

        }

        else if (use_mixup == 1) { // 使用mixup。

         if

(i_mixup == 0) { //
第一个序列。

         d.X.vals[i] = ai.data;

   memcpy(d.y.vals[i], truth, 5 * boxes * sizeof(float)); // n张图的label->d.y.vals,i_mixup=1时,作为上一个sequence的label。

   }

else if (i_mixup == 1) { // 第二个序列,此时d.X.vals已经储存上个序列n张增强后的图。

image old_img = make_empty_image(w, h, c);

old_img.data =
d.X.vals[i]; // 记录上一个序列的n张old_img。

blend_images_cv(ai, 0.5,
old_img, 0.5); //
image_opencv.cpp中,blend_images_cv函数入口,新旧序列对应的两张图进行线性融合,ai只是在i_mixup和i循环最里层的一张图。

blend_truth(d.y.vals[i],
boxes, truth); // 上一个序列的d.y.vals[i]与这个序列的truth融合。

free_image(old_img);
// 释放img数据。

d.X.vals[i] = ai.data;
// 保存这个序列的n张图。

}

}

        else if (use_mixup == 3) { // mosaic数据增强。

            if

(i_mixup == 0) { //
第一序列,初始化。

                image tmp_img = make_image(w, h, c);

d.X.vals[i] =
tmp_img.data;

}

if (flip) { // 翻转。

                int tmp =

pleft;

pleft = pright;

pright = tmp;

}

const int left_shift = min_val_cmp(cut_x[i],
max_val_cmp(0, (-pleft*w
/ ow))); // utils.h中,min_val_cmp函数入口,取小(min)取大(max)。

const int top_shift = min_val_cmp(cut_y[i],
max_val_cmp(0, (-ptoph
/ oh))); // ptop<0时,取cut_y[i]与-ptop
h / oh较小的,否则返回0。

const int right_shift = min_val_cmp((w -
cut_x[i]), max_val_cmp(0,
(-pright*w / ow)));

const int bot_shift = min_val_cmp(h -
cut_y[i], max_val_cmp(0,
(-pbot*h / oh)));

int k, x, y;

for (k
= 0; k < c; ++k) { //
通道。

for (y
= 0; y < h; ++y) { //
高度。

int j =
yw + kw*h; // 每张图i,按行堆叠索引j。

if (i_mixup == 0
&& y < cut_y[i]) { // 右下角区块,i_mixup=0~3,d.X.vals[i]未被清0,累计粘贴4块区域。

int
j_src = (w - cut_x[i] - right_shift) + (y + h - cut_y[i] - bot_shift)w + kw*h;

memcpy(&d.X.vals[i][j

  • 0],
    &ai.data[j_src], cut_x[i] * sizeof(float));
    // 由ai.data[j_src]所指内存区域复制cut_x[i]*sizeof(float)个字节到&d.X.vals[i][j

  • 0]所指内存区域。

    }

if (i_mixup
== 1 && y <
cut_y[i]) { // 左下角区块。

int
j_src = left_shift + (y + h - cut_y[i] - bot_shift)w + kw*h;

memcpy(&d.X.vals[i][j

  • cut_x[i]], &ai.data[j_src], (w-cut_x[i]) * sizeof(float));

}

if
(i_mixup == 2 &&
y >= cut_y[i]) { // 右上角区块。

int
j_src = (w - cut_x[i] - right_shift) + (top_shift + y - cut_y[i])w + kw*h;

memcpy(&d.X.vals[i][j

  • 0],
    &ai.data[j_src], cut_x[i] * sizeof(float));

}

if
(i_mixup == 3 &&
y >= cut_y[i]) { // 左上角区块。

int
j_src = left_shift + (top_shift + y - cut_y[i])w + kw*h;

memcpy(&d.X.vals[i][j

  • cut_x[i]], &ai.data[j_src], (w - cut_x[i]) * sizeof(float));

}

}

}

blend_truth_mosaic(d.y.vals[i], boxes, truth, w, h,
cut_x[i], cut_y[i], i_mixup, left_shift, right_shift, top_shift, bot_shift); //
label对应shift调整。

free_image(ai);

ai.data =
d.X.vals[i];

}

8)

整体架构

在这里插入图片描述

整体架构和YOLO-V3相同(感谢知乎大神@江大白),创新点如下:

输入端 --> Mosaic数据增强、cmBN、SAT自对抗训练;

BackBone --> CSPDarknet53、Mish激活函数、Dropblock;

Neck --> SPP、FPN+PAN结构;

Prediction --> GIOU_Loss、DIOU_nms。
在这里插入图片描述

网络配置文件(.cfg)决定了模型架构,训练时需要在命令行指定。文件以[net]段开头,定义与训练直接相关的参数:

[net]

Testing # 测试时,batch和subdivisions设置为1,否则可能出错。

#batch=1 # 大一些可以减小训练震荡及训练时NAN的出现。

#subdivisions=1 # 必须为为8的倍数,显存吃紧可以设成32或64。

Training

batch=64 # 训练过程中将64张图一次性加载进内存,前向传播后将64张图的loss累加求平均,再一次性后向传播更新权重。

subdivisions=16 # 一个batch分16次完成前向传播,即每次计算4张。

width=608 # 网络输入的宽。

height=608 # 网络输入的高。

channels=3 # 网络输入的通道数。

momentum=0.949 # 动量梯度下降优化方法中的动量参数,更新的时候在一定程度上保留之前更新的方向。

decay=0.0005 # 权重衰减正则项,用于防止过拟合。

angle=0 # 数据增强参数,通过旋转角度来生成更多训练样本。

saturation = 1.5 # 数据增强参数,通过调整饱和度来生成更多训练样本。

exposure = 1.5 # 数据增强参数,通过调整曝光量来生成更多训练样本。

hue=.1 # 数据增强参数,通过调整色调来生成更多训练样本。

learning_rate=0.001 # 学习率。

burn_in=1000 # 在迭代次数小于burn_in时,学习率的更新为一种方式,大于burn_in时,采用policy的更新方式。

max_batches = 500500 #训练迭代次数,跑完一个batch为一次,一般为类别数*2000,训练样本少或train from scratch可适当增加。

policy=steps # 学习率调整的策略。

steps=400000,450000 # 动态调整学习率,steps可以取max_batches的0.8~0.9。

scales=.1,.1 # 迭代到steps(1)次时,学习率衰减十倍,steps(2)次时,学习率又会在前一个学习率的基础上衰减十倍。

#cutmix=1 # cutmix数据增强,将一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值,分类结果按一定的比例分配。

mosaic=1 # 马赛克数据增强,取四张图,随机缩放、随机裁剪、随机排布的方式拼接,详见上述代码分析。

其余区段,包括[convolutional]、[route]、[shortcut]、[maxpool]、[upsample]、[yolo]层,为不同类型的层的配置参数。YOLO-V4中[net]层之后堆叠多个CBM及CSP层,首先是2个CBM层,CBM结构如下:

[convolutional]

batch_normalize=1 # 是否进行BN。

filters=32

卷积核个数,也就是该层的输出通道数。

size=3

卷积核大小。

stride=1

卷积步长。

pad=1

pad边缘补像素。

activation=mish # 网络层激活函数,yolo-v4只在Backbone中采用了mish,网络后面仍采用Leaky_relu。

创新点是Mish激活函数,与Leaky_Relu曲线对比如图:
在这里插入图片描述

Mish在负值的时候并不是完全截断,而是允许比较小的负梯度流入,保证了信息的流动。此外,平滑的激活函数允许更好的信息深入神经网络,梯度下降效果更好,从而提升准确性和泛化能力。

两个CBM后是CSP1,CSP1结构如下:

CSP1 = CBM + 1个残差unit + CBM -> Concat(with CBM),见总图。

[convolutional] # CBM层,直接与7层后的route层连接,形成总图中CSPX下方支路。

batch_normalize=1

filters=64

size=1

stride=1

pad=1

activation=mish

[route] # 得到前面第2层的输出,即CSP开始位置,构建如图所示的CSP第一支路。

layers = -2

[convolutional] # CBM层。

batch_normalize=1

filters=64

size=1

stride=1

pad=1

activation=mish

Residual Block

[convolutional] # CBM层。

batch_normalize=1

filters=32

size=1

stride=1

pad=1

activation=mish

[convolutional] # CBM层。

batch_normalize=1

filters=64

size=3

stride=1

pad=1

activation=mish

[shortcut] # add前面第3层的输出,Residual Block结束。

from=-3

activation=linear

[convolutional] # CBM层。

batch_normalize=1

filters=64

size=1

stride=1

pad=1

activation=mish

[route] # Concat上一个CBM层与前面第7层(CBM)的输出。

layers = -1,-7

接下来的CBM及CSPX架构与上述block相同,只是CSPX对应X个残差单元,如图:
在这里插入图片描述

CSP模块将基础层的特征映射划分为两部分,再skip
connection,减少计算量的同时保证了准确率。

要注意的是,backbone中两次出现分支,与后续Neck连接,稍后会解释。

四. Neck&Prediction

.cfg配置文件后半部分是Neck和YOLO-Prediction设置,我做了重点注释:

CBL*3

[convolutional]

batch_normalize=1

filters=512

size=1

stride=1

pad=1

activation=leaky

不再使用Mish。

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=1024

activation=leaky

[convolutional]

batch_normalize=1

filters=512

size=1

stride=1

pad=1

activation=leaky

SPP-最大池化的方式进行多尺度融合

[maxpool] #
5*5。

stride=1

size=5

[route]

layers=-2

[maxpool] #
9*9。

stride=1

size=9

[route]

layers=-4

[maxpool] #
13*13。

stride=1

size=13

[route] #
Concat。

layers=-1,-3,-5,-6

End SPP

CBL*3

[convolutional]

batch_normalize=1

filters=512

size=1

stride=1

pad=1

activation=leaky

不再使用Mish。

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=1024

activation=leaky

[convolutional]

batch_normalize=1

filters=512

size=1

stride=1

pad=1

activation=leaky

CBL

[convolutional]

batch_normalize=1

filters=256

size=1

stride=1

pad=1

activation=leaky

上采样

[upsample]

stride=2

[route]

layers = 85 # 获取Backbone中CBM+CSP8+CBM模块的输出,85从net以外的层开始计数,从0开始索引。

[convolutional]

增加CBL支路。

batch_normalize=1

filters=256

size=1

stride=1

pad=1

activation=leaky

[route] #
Concat。

layers = -1,
-3

CBL*5

[convolutional]

batch_normalize=1

filters=256

size=1

stride=1

pad=1

activation=leaky

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=512

activation=leaky

[convolutional]

batch_normalize=1

filters=256

size=1

stride=1

pad=1

activation=leaky

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=512

activation=leaky

[convolutional]

batch_normalize=1

filters=256

size=1

stride=1

pad=1

activation=leaky

CBL

[convolutional]

batch_normalize=1

filters=128

size=1

stride=1

pad=1

activation=leaky

上采样

[upsample]

stride=2

[route]

layers = 54 # 获取Backbone中CBM2+CSP1+CBM2+CSP2+CBM*2+CSP8+CBM模块的输出,54从net以外的层开始计数,从0开始索引。

CBL

[convolutional]

batch_normalize=1

filters=128

size=1

stride=1

pad=1

activation=leaky

[route] #
Concat。

layers = -1,
-3

CBL*5

[convolutional]

batch_normalize=1

filters=128

size=1

stride=1

pad=1

activation=leaky

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=256

activation=leaky

[convolutional]

batch_normalize=1

filters=128

size=1

stride=1

pad=1

activation=leaky

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=256

activation=leaky

[convolutional]

batch_normalize=1

filters=128

size=1

stride=1

pad=1

activation=leaky

Prediction

CBL

[convolutional]

batch_normalize=1

size=3

stride=1

pad=1

filters=256

activation=leaky

conv

[convolutional]

size=1

stride=1

pad=1

filters=255

activation=linear

[yolo] #
7676255,对应最小的anchor box。mask = 0,1,2 #
当前属于第几个预选框。# coco数据集默认值,可通过detector
calc_anchors,利用k-means计算样本anchors,但要根据每个anchor的大小(是否超过6060或3030)更改mask对应的索引(第一个yolo层对应小尺寸;第二个对应中等大小;第三个对应大尺寸)及上一个conv层的filters。anchors = 12,
16, 19, 36, 40, 28, 36, 75, 76, 55, 72, 146, 142, 110, 192, 243, 459, 401
classes=80 # 网络需要识别的物体种类数。num=9 # 预选框的个数,即anchors总数。jitter=.3 # 通过抖动增加噪声来抑制过拟合。ignore_thresh
= .7truth_thresh = 1scale_x_y = 1.2iou_thresh=0.213cls_normalizer=1.0iou_normalizer=0.07iou_loss=ciou

CIOU损失函数,考虑目标框回归函数的重叠面积、中心点距离及长宽比。nms_kind=greedynmsbeta_nms=0.6max_delta=5

[route]

layers = -4 # 获取Neck第一层的输出。

构建第二分支 ###### CBL

###[convolutional]batch_normalize=1size=3stride=2pad=1filters=256activation=leaky

[route] #
Concat。layers = -1, -16

CBL*5

###[convolutional]batch_normalize=1filters=256size=1stride=1pad=1activation=leaky

[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky

[convolutional]batch_normalize=1filters=256size=1stride=1pad=1activation=leaky

[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky

[convolutional]batch_normalize=1filters=256size=1stride=1pad=1activation=leaky

CBL

###[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky

conv

###[convolutional]size=1stride=1pad=1filters=255activation=linear

[yolo] #
3838255,对应中等的anchor box。mask =
3,4,5anchors = 12, 16, 19, 36, 40, 28, 36, 75, 76, 55, 72, 146, 142, 110, 192,
243, 459, 401classes=80num=9jitter=.3ignore_thresh = .7truth_thresh =
1scale_x_y =
1.1iou_thresh=0.213cls_normalizer=1.0iou_normalizer=0.07iou_loss=ciounms_kind=greedynmsbeta_nms=0.6max_delta=5

[route] # 获取Neck第二层的输出。layers = -4

构建第三分支 ###### CBL

###[convolutional]batch_normalize=1size=3stride=2pad=1filters=512activation=leaky

[route] #
Concat。layers = -1, -37

CBL*5

###[convolutional]batch_normalize=1filters=512size=1stride=1pad=1activation=leaky

[convolutional]batch_normalize=1size=3stride=1pad=1filters=1024activation=leaky

[convolutional]batch_normalize=1filters=512size=1stride=1pad=1activation=leaky

[convolutional]batch_normalize=1size=3stride=1pad=1filters=1024activation=leaky

[convolutional]batch_normalize=1filters=512size=1stride=1pad=1activation=leaky

CBL

###[convolutional]batch_normalize=1size=3stride=1pad=1filters=1024activation=leaky

conv

###[convolutional]size=1stride=1pad=1filters=255activation=linear

[yolo] #
1919255,对应最大的anchor box。mask =
6,7,8anchors = 12, 16, 19, 36, 40, 28, 36, 75, 76, 55, 72, 146, 142, 110, 192,
243, 459, 401classes=80num=9jitter=.3ignore_thresh = .7truth_thresh =
1random=1scale_x_y = 1.05iou_thresh=0.213cls_normalizer=1.0iou_normalizer=0.07iou_loss=ciounms_kind=greedynmsbeta_nms=0.6max_delta=5

其中第一个创新点是引入Spatial Pyramid Pooling(SPP)模块:

在这里插入图片描述

代码中max pool和route层组合,三个不同尺度的max-pooling将前一个卷积层输出的feature maps进行多尺度的特征处理,再与原图进行拼接,一共4个scale。相比于只用一个max-pooling,提取的特征范围更大,而且将不同尺度的特征进行了有效分离;

第二个创新点是在FPN的基础上引入PAN结构:

原版PANet中PAN操作是做element-wise相加,YOLO-V4则采用扩增维度的Concat,如下图:
在这里插入图片描述

Backbone下采样不同阶段得到的特征图Concat后续上采样阶对应尺度的的output,形成FPN结构,再经过两个botton-up的PAN结构。
在这里插入图片描述

下采样1:前10个block中,只有3个CBM的stride为2,输入图像尺寸变为608/222=76,filters根据最后一个CBM为256,因此第10个block输出feature map为7676256;

下采样2:继续Backbone,同理,第13个block(CBM)输出3838512的特征图;

下采样3:第23个block(CBL)输出为1919512;

上采样1:下采样3

  • CBL + 上采样 =
    3838256;

Concat1:[上采样1] Concat [下采样2 + CBL] = [3838256] Concat
[3838512 + (256,1)] =
3838512;

上采样2:Concat1

  • CBL5 + CBL + 上采样
    = 76
    76*128;

Concat2:[上采样2] Concat [下采样1 + CBL] = [7676128] Concat
[7676256 + (128,1)] =
7676256;

Concat3(PAN1):[Concat2

  • CBL5 + CBL] Concat [Concat1 + CBL5] = [7676256 + (128,1) + (256,2)] Concat [3838512 + (256,1)] = [3838256] Concat [3838256]
    = 3838512;

Concat4(PAN2):[Concat3

  • CBL5 + CBL] Concat [下采样3]
    = [38
    38512 + (256,1) +
    (512,2)]
    Concat [19
    19512] = 1919*1024;

Prediction①:Concat2

  • CBL5 + CBL + conv = 7676*256 + (128,1)
  • (256,1) +
    (filters,1) =
    7676filters,其中filters
    = (class_num + 5)*3,图中默认COCO数据集,80类所以是255;

Prediction②:PAN1

  • CBL5 + CBL + conv = 3838*512 + (256,1)
  • (512,1) +
    (filters,1) =
    3838filters,其中filters
    = (class_num + 5)*3,图中默认COCO数据集,80类所以是255;

Prediction③:PAN2

  • CBL5 + CBL + conv = 1919*1024 + (512,1)
  • (1024,1) +
    (filters,1) =
    1919filters,其中filters
    = (class_num + 5)*3,图中默认COCO数据集,80类所以是255。

五. 网络构建

上述从backbone到prediction的网络架构,源码中都是基于network结构体来储存网络参数。具体流程如下:

“darknet/src/detector.c”–train_detector()函数中:

// 计算mAP。

五. 网络构建

上述从backbone到prediction的网络架构,源码中都是基于network结构体来储存网络参数。具体流程如下:

“darknet/src/detector.c”–train_detector()函数中:

network

net_map;

if (calc_map) {

// 计算mAP。

    ......

    net_map =

parse_network_cfg_custom(cfgfile, 1, 1); // parser.c中parse_network_cfg_custom函数入口,加载cfg和参数构建网络,batch = 1。

net_map.benchmark_layers = benchmark_layers;

    const int

net_classes = net_map.layers[net_map.n - 1].classes;

    int k;  // free memory unnecessary arrays

    for (k = 0;

k < net_map.n - 1; ++k) free_layer_custom(net_map.layers[k], 1);

    ......

}

srand(time(0));

char *base =

basecfg(cfgfile); // utils.c中basecfg()函数入口,解析cfg/yolo-obj.cfg文件,就是模型的配置参数,并打印。

printf("%s\n", base);

float avg_loss

= -1;

network* nets =

(network*)xcalloc(ngpus, sizeof(network)); // 给network结构体分内存,用来储存网络参数。

srand(time(0));

int seed =

rand();

int k;

for (k = 0; k

< ngpus; ++k) {

    srand(seed);

#ifdef GPU

cuda_set_device(gpus[k]);

#endif

    nets[k] =

parse_network_cfg(cfgfile); // parse_network_cfg_custom(cfgfile, 0, 0),nets根据GPU个数分别加载配置文件。

nets[k].benchmark_layers = benchmark_layers;

    if

(weightfile) {

load_weights(&nets[k], weightfile); // parser.c中load_weights()接口,读取权重文件。

    }

    if (clear)

{ // 是否清零。

*nets[k].seen = 0;

*nets[k].cur_iteration = 0;

    }

nets[k].learning_rate *= ngpus;

}

srand(time(0));

network net =

nets[0]; // 参数传递给net

......

/* 准备加载参数。 */

load_args args

= { 0 };

args.w = net.w;

args.h = net.h;

args.c = net.c;

args.paths =

paths;

args.n = imgs;

args.m =

plist->size;

args.classes =

classes;

args.flip =

net.flip;

args.jitter =

l.jitter;

args.resize =

l.resize;

args.num_boxes

= l.max_boxes;

net.num_boxes =

args.num_boxes;

net.train_images_num = train_images_num;

args.d =

&buffer;

args.type =

DETECTION_DATA;

args.threads =

64; // 16 or 64

“darknet/src/parser.c”–parse_network_cfg_custom()函数中:

network parse_network_cfg_custom(char *filename, int
batch, int time_steps)

{

list *sections

= read_cfg(filename); // 读取配置文件,构建成一个链表list。

node *n =

sections->front; // 定义sections的首节点为n。

if(!n)

error(“Config file has no sections”);

network net =

make_network(sections->size - 1); // network.c中,make_network函数入口,从net变量下一层开始,依次为其中的指针变量分配内存。由于第一个段[net]中存放的是和网络并不直接相关的配置参数,因此网络中层的数目为sections->size

  • 1。

    net.gpu_index =
    gpu_index;

    size_params
    params;

    if (batch >

  1. params.train = 0; // allocates
    memory for Detection only

    else
    params.train = 1; //
    allocates memory for Detection & Training

    section *s =
    (section *)n->val; // 首节点n的val传递给section。

    list *options =
    s->options;

if(!is_network(s)) error(“First section must be [net] or
[network]”);

parse_net_options(options, &net); // 初始化网络全局参数,包含但不限于[net]中的参数。

#ifdef GPU

printf(“net.optimized_memory = %d \n”, net.optimized_memory);

if

(net.optimized_memory >= 2 && params.train) {

pre_allocate_pinned_memory((size_t)1024 * 1024 * 1024 * 8); // pre-allocate 8 GB CPU-RAM for pinned
memory

}

#endif // GPU

......

while(n){ //初始化每一层的参数。

params.index = count;

fprintf(stderr, "%4d ", count);

    s =

(section *)n->val;

    options =

s->options;

    layer l = {

(LAYER_TYPE)0 };

    LAYER_TYPE

lt = string_to_layer_type(s->type);

    if(lt ==

CONVOLUTIONAL){ // 卷积层,调用parse_convolutional()函数执行make_convolutional_layer()创建卷积层。

        l =

parse_convolutional(options, params);

    }else if(lt

== LOCAL){

        l =

parse_local(options, params);

    }else if(lt

== ACTIVE){

        l =

parse_activation(options, params);

    }else if(lt

== RNN){

        l =

parse_rnn(options, params);

    }else if(lt

== GRU){

        l =

parse_gru(options, params);

    }else if(lt

== LSTM){

        l =

parse_lstm(options, params);

    }else if

(lt == CONV_LSTM) {

        l =

parse_conv_lstm(options, params);

    }else if(lt

== CRNN){

        l =

parse_crnn(options, params);

    }else if(lt

== CONNECTED){

        l =

parse_connected(options, params);

    }else if(lt

== CROP){

        l = parse_crop(options,

params);

    }else if(lt

== COST){

        l =

parse_cost(options, params);

l.keep_delta_gpu = 1;

    }else if(lt

== REGION){

        l =

parse_region(options, params);

l.keep_delta_gpu = 1;

    }else if (lt == YOLO) { // yolov3/4引入的yolo_layer,调用parse_yolo()函数执行make_yolo_layer()创建yolo层。

        l =

parse_yolo(options, params);

l.keep_delta_gpu = 1;

    }else if

(lt == GAUSSIAN_YOLO) {

        l =

parse_gaussian_yolo(options, params);

l.keep_delta_gpu = 1;

    }else if(lt

== DETECTION){

        l =

parse_detection(options, params);

    }else if(lt

== SOFTMAX){

        l =

parse_softmax(options, params);

net.hierarchy = l.softmax_tree;

l.keep_delta_gpu = 1;

    }else if(lt

== NORMALIZATION){

        l =

parse_normalization(options, params);

    }else if(lt

== BATCHNORM){

        l =

parse_batchnorm(options, params);

    }else if(lt

== MAXPOOL){

        l =

parse_maxpool(options, params);

    }else if

(lt == LOCAL_AVGPOOL) {

        l =

parse_local_avgpool(options, params);

    }else if(lt

== REORG){

        l =

parse_reorg(options, params); }

    else if (lt

== REORG_OLD) {

        l =

parse_reorg_old(options, params);

    }else if(lt

== AVGPOOL){

        l =

parse_avgpool(options, params);

    }else if(lt

== ROUTE){

        l =

parse_route(options, params);

        int k;

        for (k

= 0; k < l.n; ++k) {

net.layers[l.input_layers[k]].use_bin_output = 0;

net.layers[l.input_layers[k]].keep_delta_gpu = 1;

        }

    }else if

(lt == UPSAMPLE) {

        l =

parse_upsample(options, params, net);

    }else if(lt

== SHORTCUT){

        l =

parse_shortcut(options, params, net);

net.layers[count - 1].use_bin_output = 0;

net.layers[l.index].use_bin_output = 0;

net.layers[l.index].keep_delta_gpu = 1;

    }else if

(lt == SCALE_CHANNELS) {

        l =

parse_scale_channels(options, params, net);

net.layers[count - 1].use_bin_output = 0;

net.layers[l.index].use_bin_output = 0;

net.layers[l.index].keep_delta_gpu = 1;

    }

    else if (lt

== SAM) {

        l =

parse_sam(options, params, net);

net.layers[count - 1].use_bin_output = 0;

net.layers[l.index].use_bin_output = 0;

        net.layers[l.index].keep_delta_gpu = 1;

    }else if(lt

== DROPOUT){

        l =

parse_dropout(options, params);

l.output = net.layers[count-1].output;

        l.delta

= net.layers[count-1].delta;

#ifdef GPU

        l.output_gpu

= net.layers[count-1].output_gpu;

l.delta_gpu = net.layers[count-1].delta_gpu;

l.keep_delta_gpu = 1;

#endif

    }

    else if (lt

== EMPTY) {

        layer

empty_layer = {(LAYER_TYPE)0};

empty_layer.out_w = params.w;

empty_layer.out_h = params.h;

empty_layer.out_c = params.c;

        l =

empty_layer;

l.output = net.layers[count - 1].output;

        l.delta

= net.layers[count - 1].delta;

#ifdef GPU

l.output_gpu = net.layers[count - 1].output_gpu;

l.delta_gpu = net.layers[count - 1].delta_gpu;

#endif

    }else{

fprintf(stderr, “Type not recognized: %s\n”, s->type);

    }

    ......

    net.layers[count]

= l; // 每个解析函数返回一个填充好的层l,将这些层全部添加到network结构体的layers数组中。

    if

(l.workspace_size > workspace_size) workspace_size = l.workspace_size; //
workspace_size表示网络的工作空间,指的是所有层中占用运算空间最大的那个层的,因为实际上在GPU或CPU中某个时刻只有一个层在做前向或反向运算。

    if (l.inputs

max_inputs) max_inputs = l.inputs;

    if

(l.outputs > max_outputs) max_outputs = l.outputs;

free_section(s);

    n =

n->next; // node节点前沿,empty则while-loop结束。

    ++count;

    if(n){ // 这部分将连接的两个层之间的输入输出shape统一。

        if (l.antialiasing)

{

params.h = l.input_layer->out_h;

params.w = l.input_layer->out_w;

params.c = l.input_layer->out_c;

params.inputs = l.input_layer->outputs;

        }

        else {

params.h = l.out_h;

params.w = l.out_w;

params.c = l.out_c;

params.inputs = l.outputs;

        }

    }

    if

(l.bflops > 0) bflops += l.bflops;

    if (l.w

1 && l.h > 1) {

avg_outputs += l.outputs;

avg_counter++;

    }

}

free_list(sections);

......

return net; // 返回解析好的network类型的指针变量,这个指针变量会伴随训练的整个过程。

}

以卷积层和yolo层为例,介绍网络层的创建过程,convolutional_layer.c中make_convolutional_layer()函数:

convolutional_layer make_convolutional_layer(int batch,
int steps, int h, int w, int c, int n, int groups, int size, int stride_x, int
stride_y, int dilation, int padding, ACTIVATION activation, int
batch_normalize, int binary, int xnor, int adam, int use_bin_output, int index,
int antialiasing, convolutional_layer *share_layer, int assisted_excitation,
int deform, int train)

{

int total_batch

= batch*steps;

int i;

convolutional_layer

l = { (LAYER_TYPE)0 }; // convolutional_layer其实就是layer。

l.type =

CONVOLUTIONAL; // layer的类型,此处为卷积层。

l.train =

train;

/* 改变输入和输出的维度。 */

if (xnor)

groups = 1; // disable groups for
XNOR-net

if (groups <
  1. groups = 1; // group将对应的输入输出通道对应分组,默认为1(输出输入的所有通道各为一组),把卷积group等于输入通道,输出通道等于输入通道就实现了depthwize separable convolution结构。

    const int
    blur_stride_x = stride_x;

    const int
    blur_stride_y = stride_y;

    l.antialiasing
    = antialiasing;

    if
    (antialiasing) {

     stride_x =
    

stride_y = l.stride = l.stride_x = l.stride_y = 1; // use stride=1 in
host-layer

}

l.deform =

deform;

l.assisted_excitation = assisted_excitation;

l.share_layer =

share_layer;

l.index =

index;

l.h = h; //

input的高。

l.w = w; //

input的宽。

l.c = c; //

input的通道。

l.groups =

groups;

l.n = n; // 卷积核filter的个数。

l.binary =

binary;

l.xnor = xnor;

l.use_bin_output = use_bin_output;

l.batch =

batch; // 训练使用的batch_size。

l.steps =

steps;

l.stride =

stride_x; // 移动步长。

l.stride_x =

stride_x;

l.stride_y =

stride_y;

l.dilation =

dilation;

l.size = size;

// 卷积核的大小。

l.pad =

padding; // 边界填充宽度。

l.batch_normalize = batch_normalize; // 是否进行BN操作。

l.learning_rate_scale = 1;

/* 数组的大小: c/groups*n*size*size。 */

l.nweights = (c

/ groups) * n * size * size; // groups默认值为1,出现c的原因是对多个通道的广播操作。

if

(l.share_layer) {

    if (l.size

!= l.share_layer->size || l.nweights != l.share_layer->nweights || l.c !=
l.share_layer->c || l.n != l.share_layer->n) {

printf(" Layer size, nweights, channels or filters don’t match for
the share_layer");

getchar();

    }

    l.weights =

l.share_layer->weights;

l.weight_updates = l.share_layer->weight_updates;

    l.biases =

l.share_layer->biases;

l.bias_updates = l.share_layer->bias_updates;

}

else {

    l.weights =

(float*)xcalloc(l.nweights, sizeof(float));

    l.biases =

(float*)xcalloc(n, sizeof(float));

    if (train)

{

l.weight_updates = (float*)xcalloc(l.nweights, sizeof(float));

l.bias_updates = (float*)xcalloc(n, sizeof(float));

    }

}

// float scale

= 1./sqrt(sizesizec);

float scale =

sqrt(2./(sizesizec/groups)); // 初始值scale。

if

(l.activation == NORM_CHAN || l.activation == NORM_CHAN_SOFTMAX || l.activation
== NORM_CHAN_SOFTMAX_MAXVAL) {

    for (i = 0;

i < l.nweights; ++i) l.weights[i] = 1;
// rand_normal();

}

else {

    for (i = 0;

i < l.nweights; ++i) l.weights[i] = scale*rand_uniform(-1, 1); // rand_normal();

}

/* 根据公式计算输出维度。 */

int out_h =

convolutional_out_height(l);

int out_w =

convolutional_out_width(l);

l.out_h =

out_h; // output的高。

l.out_w =

out_w; // output的宽。

l.out_c = n; //

output的通道,等于卷积核个数。

l.outputs =

l.out_h * l.out_w * l.out_c; // 一个batch的output维度大小。

l.inputs = l.w
  • l.h * l.c; // 一个batch的input维度大小。

    l.activation =
    activation;

    l.output =
    (float*)xcalloc(total_batch*l.outputs, sizeof(float)); // 输出数组。

#ifndef GPU

if (train)

l.delta = (float*)xcalloc(total_batch*l.outputs, sizeof(float)); // 暂存更新数据的输出数组。

#endif // not GPU

/* 三个重要的函数,前向运算,反向传播和更新函数。 */

l.forward = forward_convolutional_layer;

l.backward =

backward_convolutional_layer;

l.update =

update_convolutional_layer; // 明确了更新的策略。

if(binary){

l.binary_weights = (float*)xcalloc(l.nweights, sizeof(float));

    l.cweights

= (char*)xcalloc(l.nweights, sizeof(char));

    l.scales =

(float*)xcalloc(n, sizeof(float));

}

if(xnor){

l.binary_weights = (float*)xcalloc(l.nweights, sizeof(float));

l.binary_input = (float*)xcalloc(l.inputs * l.batch, sizeof(float));

    int align =

32;// 8;

    int

src_align = l.out_h*l.out_w;

    l.bit_align

= src_align + (align - src_align % align);

    l.mean_arr

= (float*)xcalloc(l.n, sizeof(float));

    const

size_t new_c = l.c / 32;

    size_t

in_re_packed_input_size = new_c * l.w * l.h + 1;

l.bin_re_packed_input = (uint32_t*)xcalloc(in_re_packed_input_size,
sizeof(uint32_t));

    l.lda_align

= 256; // AVX2

    int k =

l.sizel.sizel.c;

    size_t

k_aligned = k + (l.lda_align - k%l.lda_align);

    size_t

t_bit_input_size = k_aligned * l.bit_align / 8;

l.t_bit_input = (char*)xcalloc(t_bit_input_size, sizeof(char));

}

/* Batch

Normalization相关的变量设置。 */

if(batch_normalize){

    if (l.share_layer)

{

l.scales = l.share_layer->scales;

l.scale_updates = l.share_layer->scale_updates;

        l.mean

= l.share_layer->mean;

l.variance = l.share_layer->variance;

l.mean_delta = l.share_layer->mean_delta;

l.variance_delta = l.share_layer->variance_delta;

l.rolling_mean = l.share_layer->rolling_mean;

l.rolling_variance = l.share_layer->rolling_variance;

    }

    else {

l.scales = (float*)xcalloc(n, sizeof(float));

        for (i

= 0; i < n; ++i) {

l.scales[i] = 1;

        }

        if

(train) {

l.scale_updates = (float*)xcalloc(n, sizeof(float));

l.mean = (float*)xcalloc(n, sizeof(float));

l.variance = (float*)xcalloc(n, sizeof(float));

l.mean_delta = (float*)xcalloc(n, sizeof(float));

l.variance_delta = (float*)xcalloc(n, sizeof(float));

        }

l.rolling_mean = (float*)xcalloc(n, sizeof(float));

l.rolling_variance = (float*)xcalloc(n, sizeof(float));

    }

......

return l;

}

yolo_layer.c中make_yolo_layer()函数:

layer make_yolo_layer(int batch, int w, int h, int n, int
total, int *mask, int classes, int max_boxes)

{

int i;

layer l = {

(LAYER_TYPE)0 };

l.type = YOLO;

// 层类别。

l.n = n; // 一个cell能预测多少个b-box。

l.total =

total; // anchors数目,9。

l.batch =

batch; // 一个batch包含的图像张数。

l.h = h; //

input的高。

l.w = w; //

imput的宽。

l.c =

n*(classes + 4 + 1);

l.out_w = l.w;

// output的高。

l.out_h = l.h;

// output的宽。

l.out_c = l.c;

// output的通道,等于卷积核个数。

l.classes =

classes; // 目标类别数。

l.cost =

(float*)xcalloc(1, sizeof(float)); // yolo层总的损失。

l.biases =

(float*)xcalloc(total * 2, sizeof(float)); // 储存b-box的anchor box的[w,h]。

if(mask) l.mask

= mask; // 有mask传入。

else{

    l.mask =

(int*)xcalloc(n, sizeof(int));

    for(i = 0;

i < n; ++i){

l.mask[i] = i;

    }

}

l.bias_updates

= (float*)xcalloc(n * 2, sizeof(float)); // 储存b-box的anchor box的[w,h]的更新值。

l.outputs =

hwn*(classes + 4 + 1); // 一张训练图片经过yolo层后得到的输出元素个数(Grid数每个Grid预测的矩形框数每个矩形框的参数个数)

l.inputs =

l.outputs; // 一张训练图片输入到yolo层的元素个数(对于yolo_layer,输入和输出的元素个数相等)

l.max_boxes =

max_boxes; // 一张图片最多有max_boxes个ground truth矩形框,这个数量时固定写死的。

l.truths =

l.max_boxes*(4 + 1); // 4个定位参数+1个物体类别,大于GT实际参数数量。

l.delta =

(float*)xcalloc(batch * l.outputs, sizeof(float)); // yolo层误差项,包含整个batch的。

l.output =

(float*)xcalloc(batch * l.outputs, sizeof(float)); // yolo层所有输出,包含整个batch的。

/* 存储b-box的Anchor box的[w,h]的初始化,在parse.c中parse_yolo函数会加载cfg中Anchor尺寸。*/

for(i = 0; i

< total*2; ++i){

    l.biases[i]

= .5;

}

/* 前向运算,反向传播函数。*/

l.forward =

forward_yolo_layer;

l.backward =

backward_yolo_layer;

#ifdef GPU

l.forward_gpu =

forward_yolo_layer_gpu;

l.backward_gpu

= backward_yolo_layer_gpu;

l.output_gpu =

cuda_make_array(l.output, batch*l.outputs);

l.output_avg_gpu = cuda_make_array(l.output, batch*l.outputs);

l.delta_gpu =

cuda_make_array(l.delta, batch*l.outputs);

free(l.output);

if (cudaSuccess

== cudaHostAlloc(&l.output, batchl.outputssizeof(float),
cudaHostRegisterMapped)) l.output_pinned = 1;

else {

cudaGetLastError(); // reset CUDA-error

    l.output =

(float*)xcalloc(batch * l.outputs, sizeof(float));

}

free(l.delta);

if (cudaSuccess

== cudaHostAlloc(&l.delta, batchl.outputssizeof(float),
cudaHostRegisterMapped)) l.delta_pinned = 1;

else {

cudaGetLastError(); // reset CUDA-error

    l.delta =

(float*)xcalloc(batch * l.outputs, sizeof(float));

}

#endif

fprintf(stderr,

“yolo\n”);

srand(time(0));

return l;

}

这里要强调下"darknet/src/list.h"中定义的数据结构list:

typedef struct node{

void *val;

struct node

*next;

struct node

*prev;

} node;

typedef struct list{

int size; //

list的所有节点个数。

node *front; //

list的首节点。

node *back; //

list的普通节点。

} list; // list类型变量保存所有的网络参数,有很多的sections节点,每个section中又有一个保存层参数的小list。

以及"darknet/src/parser.c"中定义的数据结构section:

typedef struct{

char *type; //

section的类型,保存的是网络中每一层的网络类型和参数。在.cfg配置文件中, 以‘[’开头的行被称为一个section(段)。

list *options;

// section的参数信息。

}section;

“darknet/src/parser.c”–read_cfg()函数的作用就是读取.cfg配置文件并返回给list类型变量sections:

/* 读取神经网络结构配置文件.cfg文件中的配置数据,将每个神经网络层参数读取到每个section结构体(每个section是sections的一个节点)中,而后全部插入到list结构体sections中并返回。*/

/* param: filename是C风格字符数组,神经网络结构配置文件路径。*/

/* return: list结构体指针,包含从神经网络结构配置文件中读入的所有神经网络层的参数。*/

list *read_cfg(char *filename)

{

FILE *file =

fopen(filename, “r”);

if(file == 0)

file_error(filename);

/* 一个section表示配置文件中的一个字段,也就是网络结构中的一层,因此,一个section将读取并存储某一层的参数以及该层的type。 */

char *line;

int nu = 0; // 当前读取行记号。

list *sections

= make_list(); // sections包含所有的神经网络层参数。

section

*current = 0; // 当前读取到的某一层。

while((line=fgetl(file)) != 0){

    ++ nu;

strip(line); // 去除读入行中含有的空格符。

switch(line[0]){

        /* 以'['开头的行是一个新的section,其内容是层的type,比如[net],[maxpool],[convolutional]... */

        case

‘[’:

current = (section*)xmalloc(sizeof(section)); // 读到了一个新的section:current。

list_insert(sections, current); // list.c中,list_insert函数入口,将该新的section保存起来。

current->options = make_list();

current->type = line;

break;

        case

‘\0’: // 空行。

        case

‘#’: // 注释。

        case

‘;’: // 空行。

free(line); // 对于上述三种情况直接释放内存即可。

break;

        /* 剩下的才真正是网络结构的数据,调用read_option()函数读取,返回0说明文件中的数据格式有问题,将会提示错误。 */

default:

if(!read_option(line, current->options)){ // 将读取到的参数保存在current变量的options中,这里保存在options节点中的数据为kvp键值对类型。

fprintf(stderr, “Config file error line %d, could parse:
%s\n”, nu, line);

                free(line);

            }

break;

    }

}

fclose(file);

return

sections;

}

综上,解析过程将链表中的网络参数保存到network结构体,用于后续权重更新。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页