【darknet源码解析-20】yolo_layer.h和yolo_layer.c源码解析本系列为darknet源码解析，本次解析src/yolo_layer.h 与 src/yolo_layer.c 两个。yolo_layer主要完成了yolo v3中的三层的detection，分别是52*52*75，26*26*75，13*13*75是yolo v3这篇论⽂的核⼼部分。
resize函数c++在阅读本节源码之前，请先了解⼀下 52*52*75，26*26*75，13*13*75 是什么样⼦的逻辑存储形式，在物体存储是⼀维数组；以及yolov3中bbox的[x, y, w, h]是如何进⾏表⽰的，本节只解析了yolov3的训练阶段的源码，inference阶段未进⾏解析；配对的cfg⽂件为cfg/yolov3-voc.cfg
yolo v3中⽤多个独⽴的逻辑回归替代了yolo v2的softmax，对每个标签使⽤使⽤⼆元交叉熵损失，避免使⽤softmax函数⽽降低计算复杂度；对[x, y] 和confidence进⾏逻辑回归；
yolo_layer.h 的定义如下：
#ifndef YOLO_LAYER_H
#define YOLO_LAYER_H
#include "darknet.h"
#include "layer.h"
#include "network.h"
// 构造yolo v3 yolo层
layer make_yolo_layer(int batch, int w, int h, int n, int total, int *mask, int classes);
// yolo层前向传播函数
void forward_yolo_layer(const layer l, network net);
// yolo层反向传播函数
void backward_yolo_layer(const layer l, network net);
void resize_yolo_layer(layer *l, int w, int h);
int yolo_num_detections(layer l, float thresh);
#ifdef GPU
void forward_yolo_layer_gpu(const layer l, network net);
void backward_yolo_layer_gpu(layer l, network net);
#endif
#endif
yolo_layer.c 的详细解释如下：
#include "yolo_layer.h"
#include "activations.h"
#include "blas.h"
#include "box.h"
#include "cuda.h"
#include "utils.h"
#include <stdio.h>
#include <assert.h>
#include <string.h>
#include <stdlib.h>
/**
* 构建yolo v3层中的yolo层
* @param batch ⼀个batch中包含图⽚的张数
* @param w 输⼊图⽚的宽度
* @param h 输⼊图⽚的⾼度
* @param n ⼀个cell预测多少个bbox
* @param total Anchor bbox的数⽬
* @param mask 使⽤的是0,1,2 还是
* @param classes ⽹络需要识别的物体类别数
* @return
*/
layer make_yolo_layer(int batch, int w, int h, int n, int total, int *mask, int classes)
{
int i;
layer l = {0};
l.n = n; // ⼀个cell预测多少个bbox
l.batch = batch; // ⼀个batch包含图⽚的张数
l.h = h; // 输⼊图⽚的宽度
l.w = w; // 输⼊图⽚的⾼度
l.c = n*(classes + 4 + 1); // 输⼊图⽚的通道数, 3*(20 + 5)
l.out_w = l.w; // 输出图⽚的宽度
l.out_h = l.h; // 输出图⽚的⾼度
l.out_c = l.c; // 输出图⽚的通道数
l.classes = classes; // ⽹络需要识别的⽹络
l.biases = calloc(total*2, sizeof(float)); // 存储bbox的Anchor box的[w,h]
if(mask) l.mask = mask; // 52*52的时候,mask=[6,7,8] 26*26的时候,mask=[3,4,5], 13*13的时候,mask=[0,1,2]
else{ // yolo v3 有mask传⼊,
l.mask = calloc(n, sizeof(int));
for(i = 0; i < n; ++i){
l.mask[i] = i;
}
}
l.bias_updates = calloc(n*2, sizeof(float)); //存储bbox的Anchor box的[w,h]的更新值
l.outputs = h*w*n*(classes + 4 + 1); // yolo层对应输⼊type的输出元素个数,yolo层输⼊输出元素不发⽣变化
l.inputs = l.outputs; // yolo层⼀张输⼊图⽚的元素个数
l.output = calloc(batch*l.outputs, sizeof(float)); // yolo层所有输出(包含整个batch的)
// 存储bbox的Anchor box的[w,h]的初始化，在src/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;
}
l.forward = forward_yolo_layer; // yolo层的前向传播
l.backward = backward_yolo_layer; // yolo层的反向传播
#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.delta_gpu = cuda_make_array(l.delta, batch*l.outputs);
#endif
fprintf(stderr, "yolo\n");
srand(0);
return l;
}
void resize_yolo_layer(layer *l, int w, int h)
{
l->w = w;
l->h = h;
l->outputs = h*w*l->n*(l->classes + 4 + 1);
l->inputs = l->outputs;
l->output = realloc(l->output, l->batch*l->outputs*sizeof(float));
l->delta = realloc(l->delta, l->batch*l->outputs*sizeof(float));
#ifdef GPU
cuda_free(l->delta_gpu);
cuda_free(l->output_gpu);
l->delta_gpu = cuda_make_array(l->delta, l->batch*l->outputs);
l->output_gpu = cuda_make_array(l->output, l->batch*l->outputs);
#endif
}
// get_yolo_box(l.output, l.biases, l.mask[n], box_index, i, j, l.w, l.h, net.w, net.h, l.w*l.h);
box get_yolo_box(float *x, float *biases, int n, int index, int i, int j, int lw, int lh, int w, int h, int stride)
{
box b;
b.x = (i + x[index + 0*stride]) / lw; // 预测x 在特征图的的相对位置
b.y = (j + x[index + 1*stride]) / lh;
b.w = exp(x[index + 2*stride]) * biases[2*n] / w; // 相对⽹络输⼊图⽚的宽度
b.h = exp(x[index + 3*stride]) * biases[2*n+1] / h;
return b;
}
// delta_yolo_box(truth, l.output, l.biases, l.mask[n], box_index, i, j, l.w, l.h, net.w, net.h, l.delta, (2-truth.w*truth.h), l.w*l.h);
float delta_yolo_box(box truth, float *x, float *biases, int n, int index, int i, int j, int lw, int lh, int w, int h, float *delta, float scale, int stride) {
// 获得第j*w+i个cell的第n个bbox在当前特征图的[x,y,w,h]
box pred = get_yolo_box(x, biases, n, index, i, j, lw, lh, w, h, stride);
float iou = box_iou(pred, truth); // 计算pred bbox与GT bbox的iou
float tx = (truth.x*lw - i); // 计算GT bbox的tx, ty, tw, th
float ty = (truth.y*lh - j);
float tw = log(truth.w*w / biases[2*n]);
float th = log(truth.h*h / biases[2*n + 1]);
delta[index + 0*stride] = scale * (tx - x[index + 0*stride]); // 计算tx, ty, tw, th的梯度
delta[index + 1*stride] = scale * (ty - x[index + 1*stride]);
delta[index + 2*stride] = scale * (tw - x[index + 2*stride]);
delta[index + 3*stride] = scale * (th - x[index + 3*stride]);
return iou;
}
// delta_yolo_class(l.output, l.delta, class_index, class, l.classes, l.w*l.h, 0);
void delta_yolo_class(float *output, float *delta, int index, int class, int classes, int stride, float *avg_cat)
{
int n;
if (delta[index]){ //delta初始化为0, 不会进⼊此判断
delta[index + stride*class] = 1 - output[index + stride*class];
if(avg_cat) *avg_cat += output[index + stride*class];
return;
}
for(n = 0; n < classes; ++n){
// 计算类别损失的梯度，反向传递到误差项l.delta中
delta[index + stride*n] = ((n == class)?1 : 0) - output[index + stride*n];
if(n == class && avg_cat) *avg_cat += output[index + stride*n]; // 统计正确的得分
}
}
static int entry_index(layer l, int batch, int location, int entry)
{
int n = location / (l.w*l.h);
int loc = location % (l.w*l.h);
return batch*l.outputs + n*l.w*l.h*(4+l.classes+1) + entry*l.w*l.h + loc;
}
/**
* yolov3 yolo层的前向传播
* @param l 当前yolo层
* @param net 整个⽹络
*/
void forward_yolo_layer(const layer l, network net)
{
int i,j,b,t,n;
// 内存拷贝, l.output = net.input
memcpy(l.output, net.input, l.outputs*l.batch*sizeof(float));
#ifndef GPU
for (b = 0; b < l.batch; ++b){
for(n = 0; n < l.n; ++n){
int index = entry_index(l, b, n*l.w*l.h, 0); // 获取第b个batch开始的index
activate_array(l.output + index, 2*l.w*l.h, LOGISTIC); // 对预测的tx,ty进⾏逻辑回归预测,
index = entry_index(l, b, n*l.w*l.h, 4); // 获取第b个batch confidence开始的index
activate_array(l.output + index, (1+l.classes)*l.w*l.h, LOGISTIC); // 对预测的confidence以及class进⾏逻辑回归
}
}
#endif
// 将yolo层的误差项进⾏初始化(包含整个batch的)
memset(l.delta, 0, l.outputs * l.batch * sizeof(float));
if(!ain) return; // inference阶段，到此结束
float avg_iou = 0;
float recall = 0;
float recall75 = 0;
float avg_cat = 0;
float avg_obj = 0;
float avg_anyobj = 0;
int count = 0;
int class_count = 0;
*(l.cost) = 0; // yolo层的总损失初始化为0
for (b = 0; b < l.batch; ++b) { // 遍历batch中的每⼀张图⽚
for (j = 0; j < l.h; ++j) {
for (i = 0; i < l.w; ++i) { // 遍历每个cell, 当前cell编号[j, i]
for (n = 0; n < l.n; ++n) { // 遍历每⼀个bbox, 当前bbox编号 [n]
// 在这⾥与yolov2 reorg层是相似的, 获得第j*w+i个cell第n个bbox的index
int box_index = entry_index(l, b, n*l.w*l.h + j*l.w + i, 0);
// 计算第j*w+i个cell第n个bbox在当前特征图上的相对位置[x,y]，在⽹络输⼊图⽚上的相对宽度,⾼度[w,h]
box pred = get_yolo_box(l.output, l.biases, l.mask[n], box_index, i, j, l.w, l.h, net.w, net.h, l.w*l.h);
float best_iou = 0; // 保存最⼤iou
int best_t = 0; // 保存最⼤iou的bbox id
for(t = 0; t < l.max_boxes; ++t){ // 遍历每⼀个GT bbox
// 将第t个bbox由float数组转bbox结构体,⽅便计算iou
box truth = float_to_uth + t*(4 + 1) + uths, 1);
if(!truth.x) break; // 如果x坐标为0则取消，因为yolov3这⾥定义了90个bbox
float iou = box_iou(pred, truth); // 计算pred bbox与第t个GT bbox之间的iou
if (iou > best_iou) {
best_iou = iou; // 记录iou最⼤的iou
best_t = t; // 记录该GT bbox的编号t
}
}
// // 在这⾥与yolov2 reorg层是相似的, 获得第j*w+i个cell第n个bbox的confidence
int obj_index = entry_index(l, b, n*l.w*l.h + j*l.w + i, 4);
avg_anyobj += l.output[obj_index]; // 统计pred bbox的confidence
// 与yolov1相似，先将所有pred bbox都当做noobject, 计算其confidence梯度
l.delta[obj_index] = 0 - l.output[obj_index];
if (best_iou > l.ignore_thresh) { // best_iou⼤于阈值则说明pred box有物体，在yolov3中正样本阈值ignore_thresh=.5 l.delta[obj_index] = 0;
}
if (best_iou > l.truth_thresh) { // pred bbox为完全预测正确样本，在yolov3完全预测正确样本的阈值truth_thresh=1. l.delta[obj_index] = 1 - l.output[obj_index];
// 获得best_iou对应GT bbox的class的index
int class = uth[best_t*(4 + 1) + uths + 4];
if (l.map) class = l.map[class]; // yolov3 yolo层中map=0, 不参与计算
int class_index = entry_index(l, b, n*l.w*l.h + j*l.w + i, 4 + 1); // 获得best_iou对应pred bbox的class的index
delta_yolo_class(l.output, l.delta, class_index, class, l.classes, l.w*l.h, 0);
box truth = float_to_uth + best_t*(4 + 1) + uths, 1); // 获得best_iou对应GT bbox的[x,y,w,h]的index
// 计算pred bbox的[x,y,w,h]的梯度
delta_yolo_box(truth, l.output, l.biases, l.mask[n], box_index, i, j, l.w, l.h, net.w, net.h, l.delta, (2-truth.w*truth.h), l.w*l.h);
}
}
}
}
for(t = 0; t < l.max_boxes; ++t){
// 遍历每⼀个GT bbox
// 将第t个bbox由float数组转bbox结构体,⽅便计算iou
box truth = float_to_uth + t*(4 + 1) + uths, 1);
if(!truth.x) break; // 如果x坐标为0则取消，因为yolov3定义了90个bbox，可能实际上每bbox
float best_iou = 0; // 保存最⼤IOU
int best_n = 0; // 保存最⼤iou的bbox index
i = (truth.x * l.w); // 获得当前t个GT bbox所在的cell
j = (truth.y * l.h);
box truth_shift = truth;
truth_shift.x = truth_shift.y = 0; //将truth_shift的box位置移动到0,0
for(n = 0; n < l.total; ++n){ // 遍历每⼀个anchor bbox到与GT bbox最⼤的IOU
box pred = {0};
pred.w = l.biases[2*n]/net.w; // 计算pred bbox的w在相对整张输⼊图⽚的位置
pred.h = l.biases[2*n+1]/net.h; // 计算pred bbox的h在相对整张输⼊图⽚的位置
float iou = box_iou(pred, truth_shift); // 计算GT box truth_shift 与预测bbox pred⼆者之间的IOU
if (iou > best_iou){
best_iou = iou; // 记录最⼤的IOU
best_n = n; // 以及记录该bbox的编号n
}
}
// int int_index(int *a, int val, int n)
/
/ {
// int i;
// for(i = 0; i < n; ++i){
// if(a[i] == val) return i;
// }
// return -1;
// }
// 上⾯记录bbox的编号，是否由该层Anchor预测的
int mask_n = int_index(l.mask, best_n, l.n);
if(mask_n >= 0){
// 获得best_iou对应anchor box的index
int box_index = entry_index(l, b, mask_n*l.w*l.h + j*l.w + i, 0);
// 计算best_iou对应Anchor bbox的[x,y,w,h]的梯度
float iou = delta_yolo_box(truth, l.output, l.biases, best_n, box_index, i, j, l.w, l.h, net.w, net.h, l.delta, (2-truth.w*truth.h), l.w*l.h); // 获得best_iou对应anchor box的confidence的index
int obj_index = entry_index(l, b, mask_n*l.w*l.h + j*l.w + i, 4);
avg_obj += l.output[obj_index]; //统计confidence
l.delta[obj_index] = 1 - l.output[obj_index]; // 计算confidence的梯度
// 获得best_iou对应GT box的class的index
int class = uth[t*(4 + 1) + uths + 4];
if (l.map) class = l.map[class];
// // 获得best_iou对应anchor box的class的index
int class_index = entry_index(l, b, mask_n*l.w*l.h + j*l.w + i, 4 + 1);
// 计算class的梯度
delta_yolo_class(l.output, l.delta, class_index, class, l.classes, l.w*l.h, &avg_cat);
++count;
++class_count;
if(iou > .5) recall += 1;
if(iou > .75) recall75 += 1;
avg_iou += iou;
}
}
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论