YOLOV3代碼主干部分代碼決議

最近在做課題用到了YOLOv3，之前在B站聽bulingbuling大神講的課收益頗豐，所以用的代碼依然選擇了bulingbuling的，先說說總體的感受吧，代碼結構清晰，閱讀起來非常方便，而且代碼中已經有了很多注釋，整體的邏輯就更加明朗，本人為了更加深刻理解代碼，同時也為了備份，在大神注釋的基礎上進行添磚加瓦，解釋錯誤的地方請各路大神多多指正，

本篇文章主要講解yolov3中的darknet.py檔案！

import math
from collections import OrderedDict

import torch.nn as nn


#---------------------------------------------------------------------#
#   殘差結構
#   利用一個1x1卷積下降通道數，然后利用一個3x3卷積提取特征并且上升通道數
#   最后接上一個殘差邊
    首先對殘差邊進行了類定義，殘差邊中包含包含了兩個卷積層，其中一個大小1*1，另外一個大小為3*3， 
    兩個卷積層步長均為1，采用的是LeakyRelu函式
#---------------------------------------------------------------------#
class BasicBlock(nn.Module):
    def __init__(self, inplanes, planes):
        super(BasicBlock, self).__init__()
        self.conv1  = nn.Conv2d(inplanes, planes[0], kernel_size=1, stride=1, padding=0, bias=False)
        self.bn1    = nn.BatchNorm2d(planes[0])
        self.relu1  = nn.LeakyReLU(0.1)
        
        self.conv2  = nn.Conv2d(planes[0], planes[1], kernel_size=3, stride=1, padding=1, bias=False)
        self.bn2    = nn.BatchNorm2d(planes[1])
        self.relu2  = nn.LeakyReLU(0.1)
#---------------------------------------------------------------------#
#   這里本人簡單的認為是feature map在上述殘差邊的傳遞順序
#---------------------------------------------------------------------#
    def forward(self, x):
        residual = x

        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu1(out)

        out = self.conv2(out)
        out = self.bn2(out)
        out = self.relu2(out)
#---------------------------------------------------------------------#
#   將上述經過殘差邊的feature map（out）與輸入進來的x進行加和，輸出為out
#---------------------------------------------------------------------#
        out += residual
        return out

class DarkNet(nn.Module):
    def __init__(self, layers):
        super(DarkNet, self).__init__()
        self.inplanes = 32
#---------------------------------------------------------------------#
#   輸出進來的RGB圖片首先進行第一次卷積，大小不變，通道數由3變為32
#---------------------------------------------------------------------#
        # 416,416,3 -> 416,416,32
        self.conv1  = nn.Conv2d(3, self.inplanes, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn1    = nn.BatchNorm2d(self.inplanes)
        self.relu1  = nn.LeakyReLU(0.1)
#---------------------------------------------------------------------#
#   如果查看過YOLOv3的網路結構圖可以知道在主干網路（不包括殘差邊）上，一共包含6次卷積計算（上面的 
#   通道3變32算一次）下面就是剩余下的五次（在接下來的卷積層中均說的是這五個）
#---------------------------------------------------------------------#
        # 416,416,32 -> 208,208,64
        self.layer1 = self._make_layer([32, 64], layers[0])
        # 208,208,64 -> 104,104,128
        self.layer2 = self._make_layer([64, 128], layers[1])
        # 104,104,128 -> 52,52,256
        self.layer3 = self._make_layer([128, 256], layers[2])
        # 52,52,256 -> 26,26,512
        self.layer4 = self._make_layer([256, 512], layers[3])
        # 26,26,512 -> 13,13,1024
        self.layer5 = self._make_layer([512, 1024], layers[4])

        self.layers_out_filters = [64, 128, 256, 512, 1024]

        # 進行權值初始化
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
                m.weight.data.normal_(0, math.sqrt(2. / n))
            elif isinstance(m, nn.BatchNorm2d):
                m.weight.data.fill_(1)
                m.bias.data.zero_()

    #---------------------------------------------------------------------#
    #   在每一個卷積層中（即上述的五個卷積層）里面，首先利用一個步長為2的3x3卷積進行下采樣（ds）
    #   然后進行殘差結構的堆疊
    #   第一眼看到下面的代碼時候我有點暈，首先是在self.inplanes處，通過上邊的定義知道是32，那么            
    #    在ds_conv里只有一次輸入是32，有時候也是64、128、256、512啊，原來在下面的代碼中將輸出的 
    #   通道數重新賦值給了self.inplanes實作了輸入通道數64、128、256、512
    #---------------------------------------------------------------------#
    def _make_layer(self, planes, blocks):
        layers = []
        # 下采樣，步長為2，卷積核大小為3
        layers.append(("ds_conv", nn.Conv2d(self.inplanes, planes[1], kernel_size=3, stride=2, padding=1, bias=False)))
        layers.append(("ds_bn", nn.BatchNorm2d(planes[1])))
        layers.append(("ds_relu",ds_conv nn.LeakyReLU(0.1)))
        # 加入殘差結構
        self.inplanes = planes[1]
        for i in range(0, blocks):
            layers.append(("residual_{}".format(i), BasicBlock(self.inplanes, planes)))
        return nn.Sequential(OrderedDict(layers))
#---------------------------------------------------------------------#
#   仍然采用forward方法進行feature map的傳遞順序，或與有人想要采用增加第四尺度104*104的預測，僅 
    需將x = self.layer2(x)變為out2 = self.layer2(x)， x = self.layer2(out2)即可，return增加 
    一個out2，這種方法慎用，可能反而起到反作用，
#---------------------------------------------------------------------#
    def forward(self, x):
        x = self.conv1(x)
        x = self.bn1(x)
        x = self.relu1(x)

        x = self.layer1(x)
        x = self.layer2(x)
        out3 = self.layer3(x)
        out4 = self.layer4(out3)
        out5 = self.layer5(out4)

        return out3, out4, out5
#---------------------------------------------------------------------#
#   定義殘差結構每階段的個數
#---------------------------------------------------------------------#
def darknet53():
    model = DarkNet([1, 2, 8, 8, 4])
    return model

上述就是我對darknet.py的理解，有錯誤的地方請大佬多多指正，謝謝大家

更多細節請閱讀大佬的博客