yolo配置文件理解_tanhongxi0027的博客-CSDN博客

来自 : CSDN技术社区 发布时间：2021-03-25

[route] the route layer is to bring finer grained features in from earlier in the networklayers -9[reorg] the reorg layer is to make these features match the feature map size at the later layer. The end feature map is 13x13, the feature map from earlier is 26x26x512. The reorg layer maps the 26x26x512 feature map onto a 13x13x2048 feature map so that it can be concatenated with the feature maps at 13x13 resolution.stride 2[route]layers -1,-3[convolutional]batch_normalize 1size 3stride 1pad 1filters 1024activation leaky[convolutional]size 1stride 1pad 1filters 125 region前最后一个卷积层的filters数是特定的 计算公式为filter num*(classes 5) 5的意义是5个坐标 论文中的tx,ty,tw,th,toactivation linear[region]anchors 1.08,1.19, 3.42,4.41, 6.63,11.38, 9.42,5.11, 16.62,10.52 预选框 可以手工挑选 也可以通过k means 从训练样本中学出bias_match 1classes 20 网络需要识别的物体种类数coords 4 每个box的4个坐标tx,ty,tw,thnum 5 每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num 且如果调大num后训练时Obj趋近0的话可以尝试调大object_scalesoftmax 1 使用softmax做激活函数jitter .2 通过抖动增加噪声来抑制过拟合rescore 1 暂理解为一个开关 非0时通过重打分来调整l.delta 预测值与真实值的差 object_scale 5 栅格中有物体时 bbox的confidence loss对总loss计算贡献的权重noobject_scale 1 栅格中没有物体时 bbox的confidence loss对总loss计算贡献的权重class_scale 1 类别loss对总loss计算贡献的权重 coord_scale 1 bbox坐标预测loss对总loss计算贡献的权重absolute 1thresh .6random 0 random为1时会启用Multi-Scale Training 随机使用不同尺寸的图片进行训练。 darknet对应代码

找到cfg文件解析的代码 选择detector demo 作为入口

darknet.c文件 main 函数开始

 } else if (0 strcmp(argv[1], detector )){ run_detector(argc, argv);

Detector.c文件 run_detector函数

char *prefix find_char_arg(argc, argv, -prefix , 0);float thresh find_float_arg(argc, argv, -thresh , .24);float hier_thresh find_float_arg(argc, argv, -hier , .5);int cam_index find_int_arg(argc, argv, -c , 0);int frame_skip find_int_arg(argc, argv, -s , 0);if(argc 4){ fprintf(stderr, usage: %s %s [train/test/valid] [cfg] [weights (optional)]\\n , argv[0], argv[1]); return;char *gpu_list find_char_arg(argc, argv, -gpus , 0);char *outfile find_char_arg(argc, argv, -out , 0);............else 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); demo(cfg, weights, thresh, cam_index, filename, names, classes, frame_skip, prefix, hier_thresh);

read_data_cfg函数解析配置文件 保存到options指针。

class

int classes option_find_int(options, classes , 20);

classes为YOLO可识别的种类数

batch、learning_rate、momentum、decay和 subdivisions

demo.c文件demo函数

net parse_network_cfg(cfgfile);

Parser.c文件 parse_network_cfg函数

list *sections read_cfg(filename);node *n sections- front;if(!n) error( Config file has no sections network net make_network(sections- size - 1);net.gpu_index gpu_index;size_params params;section *s (section *)n- list *options s- options;if(!is_network(s)) error( First section must be [net] or [network] parse_net_options(options, net);

parse_net_options函数

net- batch option_find_int(options, batch ,1);net- learning_rate option_find_float(options, learning_rate , .001);net- momentum option_find_float(options, momentum , .9);net- decay option_find_float(options, decay , .0001);int subdivs option_find_int(options, subdivisions ,1);net- time_steps option_find_int_quiet(options, time_steps ,1);net- batch / subdivs;net- batch * net- time_steps;net- subdivisions subdivs;

learning_rate为初始学习率 训练时的真正学习率和学习率的策略及初始学习率有关。

momentum为动量 在训练时加入动量可以帮助走出local minima 以及saddle point。

decay是权重衰减正则项 用来防止过拟合。

batch的值等于cfg文件中的batch/subdivisions 再乘以time_steps。
time_steps在yolo默认的cfg中是没有配置的 所以是默认值1。
因此batch可以认为就是cfg文件中的batch/subdivisions。

前面有提到batch的意义是每batch个样本更新一次参数。

而subdivisions的意义在于降低对GPU memory的要求。
darknet将batch分割为subdivisions个子batch 每个子batch的大小为batch/subdivisions 并将子batch命名为batch。

我们看下训练时和batch有关的代码

Detector.c文件的train_detector函数

#ifdef GPU if(ngpus 1){ loss train_network(net, train); } else { loss train_networks(nets, ngpus, train, 4);#else loss train_network(net, train);#endif

Network.c文件的train_network函数

int batch net.batch;int n d.X.rows / batch;float *X calloc(batch*d.X.cols, sizeof(float));float *y calloc(batch*d.y.cols, sizeof(float));int i;float sum for(i i i){ get_next_batch(d, batch, i*batch, X, y); float err train_network_datum(net, X, y); sum err;

train_network_datum函数

*net.seen net.batch;............forward_network(net, state);backward_network(net, state);float error get_network_cost(net);if(((*net.seen)/net.batch)%net.subdivisions 0) update_network(net);

我们看到 只有((*net.seen)/net.batch)%net.subdivisions 0时才会更新网络参数。
*net.seen是已经训练过的子batch数 ((*net.seen)/net.batch)%net.subdivisions的意义正是已经训练过了多少个真正的batch。

policy、steps和scales

Parser.c文件 parse_network_cfg函数

char *policy_s option_find_str(options, policy , constant net- policy get_policy(policy_s);net- burn_in option_find_int_quiet(options, burn_in , 0);if(net- policy STEP){ net- step option_find_int(options, step , 1); net- scale option_find_float(options, scale , 1);} else if (net- policy STEPS){ char *l option_find(options, steps  char *p option_find(options, scales  if(!l || !p) error( STEPS policy must have steps and scales in cfg file  int len strlen(l); int n  int i; for(i i len; i){ if (l[i] , )  int *steps calloc(n, sizeof(int)); float *scales calloc(n, sizeof(float)); for(i i i){ int step atoi(l); float scale atof(p); l strchr(l, , )  p strchr(p, , )  steps[i] step; scales[i] scale; net- scales scales; net- steps steps; net- num_steps } else if (net- policy EXP){ net- gamma option_find_float(options, gamma , 1);} else if (net- policy SIG){ net- gamma option_find_float(options, gamma , 1); net- step option_find_int(options, step , 1);} else if (net- policy POLY || net- policy RANDOM){ net- power option_find_float(options, power , 1);

get_policy函数

if (strcmp(s, random ) 0) return RANDOM;if (strcmp(s, poly ) 0) return POLY;if (strcmp(s, constant ) 0) return CONSTANT;if (strcmp(s, step ) 0) return STEP;if (strcmp(s, exp ) 0) return EXP;if (strcmp(s, sigmoid ) 0) return SIG;if (strcmp(s, steps ) 0) return STEPS;fprintf(stderr, Couldn t find policy %s, going with constant\\n , s);return CONSTANT;

学习率动态调整的策略有多种 YOLO默认使用的是steps。

yolo-voc.cfg文件

steps 100,25000,35000

scales 10,.1,.1

Network.c文件get_current_rate函数

int batch_num get_current_batch(net);int i;float rate;switch (net.policy) { case CONSTANT: return net.learning_rate; case STEP: return net.learning_rate * pow(net.scale, batch_num/net.step); case STEPS: rate net.learning_rate; for(i i net.num_steps; i){ if(net.steps[i] batch_num) return rate; rate * net.scales[i]; //if(net.steps[i] batch_num - 1 net.scales[i] 1) reset_momentum(net); return rate;

get_current_batch获取的是(*net.seen)/(net.batch*net.subdivisions) 即真正的batch。

steps的每个阶段是根据batch_num划分的 根据配置文件 学习率会在batch_num达到100、25000、35000时发生改变。

当前的学习率是初始学习率与当前阶段及之前所有阶段对应的scale的总乘积。

convolutional超参数加载

Parser.c文件parse_network_cfg函数

LAYER_TYPE lt string_to_layer_type(s- type); if(lt CONVOLUTIONAL){ l parse_convolutional(options, params);

parse_convolutional函数

int n option_find_int(options, filters ,1);int size option_find_int(options, size ,1);int stride option_find_int(options, stride ,1);int pad option_find_int_quiet(options, pad ,0);int padding option_find_int_quiet(options, padding ,0);if(pad) padding size/2;char *activation_s option_find_str(options, activation , logistic ACTIVATION activation get_activation(activation_s);int batch,h,w,c;h params.h;w params.w;c params.c;batch params.batch;if(!(h w c)) error( Layer before convolutional layer must output image. int batch_normalize option_find_int_quiet(options, batch_normalize , 0);

需要注意的是如果enable了pad cfg文件中的padding不会生效 实际的padding值为size/2。

random

YOLOv2新增了一些训练技巧 Multi-Scale Training就是其中之一 如果random置为1 会启用Multi-Scale Training。
启用Multi-Scale Training时每10个Batch 网络会随机地选择一个新的图片尺寸 由于使用的down samples是32 所以不同的尺寸大小也选择为32的倍数{320 352…..608} 最小320*320 最大608*608 网络会自动改变尺寸 并继续训练的过程。
这一策略让网络在不同的输入尺寸上都能达到一个很好的预测效果 同一网络能在不同分辨率上进行检测。当输入图片尺寸比较小的时候跑的比较快 输入图片尺寸比较大的时候精度高。

route 和 reorg

YOLOv2新增了Fine-Grained Features技巧 参考特征金字塔和ResNet 把高分辨率特征与低分辨率特征联系在一起 从而增加对小物体的识别精度。

借用一下ResNet的identity mappings示意图
YOLOv2加上了一个Passthrough Layer来取得之前的某个26*26分辨率的层的特征。这个Passthrough layer把26 * 26的特征图与13 * 13的特征图联系在一起 把相邻的特征堆积在不同的Channel之中 类似与Resnet的Identity Mapping 从而把26*26*512变成13*13*2048。
route层起连接作用 reorg层来match特征图尺寸。