YOLOv3改进方法

YOLOv3的改进方法有很多，本文讲述的是增加一个特征尺度。
以YOLOv3-darknet53（ALexeyAB版本）为基础，增加了第4个特征尺度：104*104。原版YOLOv3网络结构：

YOLOv3-4l网络结构：

即，在经过2倍上采样后，输出的特征尺度由52x52提升至104x104，再通过route层将第109层与特征提取网络的第11层特征进行特征融合，以充分利用深层特征和浅层特征。其余的特征融合分别为：2倍上采样后输出的第85层和第97层。通过route层分别将第85层与第61层，第97层与第36层的特征图进行特征融合。四个特征尺度分别为：104x104，52x52，26x26和13x13。

具体的步骤为：

(1)修改配置文件cfg
再增加一个检测尺度（在原yolov3的最后一层yolo层的后面，再增加一个检测层：在下方链接里的cfg文件最后的“#######”注释行之后的部分，便是增加的检测层结构）。
yolo-4l的cfg下载地址
链接：https://pan.baidu.com/s/1b92jmcAPTgzxua4Pat7p4A
提取码：xji2
注意：网盘里提供的cfg配置文件，需要进行相应参数修改（修改示例见链接：yolov3的cfg配置文件注释及修改示例）。

(2)重新计算anchors
由于原先是3个检测尺度共9个anchors,此时是4层共12个anchors。且不同数据库的anchors值不一样（比如自行构建的数据库），所以必须重新计算anchors，并更新到cfg文件中。如果选取的先验框维度比较合适，那么模型就会更容易学习，更易收敛，从而做出更好的预测，预测框与标注真实框的IOU就会更好。

计算数据库的anchors的命令为：

./darknet detector calc_anchors /usr/cx/darknetalexeyAB/darknet-master/names_data/voc.data -num_of_clusters 12 -width 416 -height 416 -show 1

注意：/usr/cx/darknetalexeyAB/darknet-master/names_data/voc.data是我们自己的voc.data的路径，根据自己的项目自行进行修改。
结果如下图所示：

计算多次，每次的anchors值会不一样，但基本相差无几。其实这些anchors值，就是先验框，就是样本库里最经常出现的几类边界框。通过选取专属于实际数据库的anchors，将会加速收敛，更容易学习，提高IOU值。

这里还有另外1种计算anchors的方法，通过脚本文件来计算anchors锚点值。脚本文件如下所示：

# coding=utf-8
# 通过k-means ++ 算法获取anchors的尺寸
import numpy as np# 定义Box类，描述bounding box的坐标
class Box():def __init__(self, x, y, w, h):self.x = xself.y = yself.w = wself.h = h# 计算两个box在某个轴上的重叠部分
# x1是box1的中心在该轴上的坐标
# len1是box1在该轴上的长度
# x2是box2的中心在该轴上的坐标
# len2是box2在该轴上的长度
# 返回值是该轴上重叠的长度
def overlap(x1, len1, x2, len2):len1_half = len1 / 2len2_half = len2 / 2left = max(x1 - len1_half, x2 - len2_half)right = min(x1 + len1_half, x2 + len2_half)return right - left# 计算box a 和box b 的交集面积
# a和b都是Box类型实例
# 返回值area是box a 和box b 的交集面积
def box_intersection(a, b):w = overlap(a.x, a.w, b.x, b.w)h = overlap(a.y, a.h, b.y, b.h)if w < 0 or h < 0:return 0area = w * hreturn area# 计算 box a 和 box b 的并集面积
# a和b都是Box类型实例
# 返回值u是box a 和box b 的并集面积
def box_union(a, b):i = box_intersection(a, b)u = a.w * a.h + b.w * b.h - ireturn u# 计算 box a 和 box b 的 iou
# a和b都是Box类型实例
# 返回值是box a 和box b 的iou
def box_iou(a, b):return box_intersection(a, b) / box_union(a, b)# 使用k-means ++ 初始化 centroids，减少随机初始化的centroids对最终结果的影响
# boxes是所有bounding boxes的Box对象列表
# n_anchors是k-means的k值
# 返回值centroids 是初始化的n_anchors个centroid
def init_centroids(boxes,n_anchors):centroids = []boxes_num = len(boxes)centroid_index = np.random.choice(boxes_num, 1)centroids.append(boxes[centroid_index])print(centroids[0].w,centroids[0].h)for centroid_index in range(0,n_anchors-1):sum_distance = 0distance_thresh = 0distance_list = []cur_sum = 0for box in boxes:min_distance = 1for centroid_i, centroid in enumerate(centroids):distance = (1 - box_iou(box, centroid))if distance < min_distance:min_distance = distancesum_distance += min_distancedistance_list.append(min_distance)distance_thresh = sum_distance*np.random.random()for i in range(0,boxes_num):cur_sum += distance_list[i]if cur_sum > distance_thresh:centroids.append(boxes[i])print(boxes[i].w, boxes[i].h)breakreturn centroids# 进行 k-means 计算新的centroids
# boxes是所有bounding boxes的Box对象列表
# n_anchors是k-means的k值
# centroids是所有簇的中心
# 返回值new_centroids 是计算出的新簇中心
# 返回值groups是n_anchors个簇包含的boxes的列表
# 返回值loss是所有box距离所属的最近的centroid的距离的和
def do_kmeans(n_anchors, boxes, centroids):loss = 0groups = []new_centroids = []for i in range(n_anchors):groups.append([])new_centroids.append(Box(0, 0, 0, 0))for box in boxes:min_distance = 1group_index = 0for centroid_index, centroid in enumerate(centroids):distance = (1 - box_iou(box, centroid))if distance < min_distance:min_distance = distancegroup_index = centroid_indexgroups[group_index].append(box)loss += min_distancenew_centroids[group_index].w += box.wnew_centroids[group_index].h += box.hfor i in range(n_anchors):new_centroids[i].w /= len(groups[i])new_centroids[i].h /= len(groups[i])return new_centroids, groups, loss# 计算给定bounding boxes的n_anchors数量的centroids
# label_path是训练集列表文件地址
# n_anchors 是anchors的数量
# loss_convergence是允许的loss的最小变化值
# grid_size * grid_size 是栅格数量
# iterations_num是最大迭代次数
# plus = 1时启用k means ++ 初始化centroids
def compute_centroids(label_path,n_anchors,loss_convergence,grid_size,iterations_num,plus):boxes = []label_files = []f = open(label_path)for line in f:label_path = line.rstrip().replace('images', 'labels')label_path = label_path.replace('JPEGImages', 'labels')label_path = label_path.replace('.jpg', '.txt')label_path = label_path.replace('.JPEG', '.txt')label_files.append(label_path)f.close()for label_file in label_files:f = open(label_file)for line in f:temp = line.strip().split(" ")if len(temp) > 1:boxes.append(Box(0, 0, float(temp[3]), float(temp[4])))if plus:centroids = init_centroids(boxes, n_anchors)else:centroid_indices = np.random.choice(len(boxes), n_anchors)centroids = []for centroid_index in centroid_indices:centroids.append(boxes[centroid_index])# iterate k-meanscentroids, groups, old_loss = do_kmeans(n_anchors, boxes, centroids)iterations = 1while (True):centroids, groups, loss = do_kmeans(n_anchors, boxes, centroids)iterations = iterations + 1print("loss = %f" % loss)if abs(old_loss - loss) < loss_convergence or iterations > iterations_num:breakold_loss = lossfor centroid in centroids:print(centroid.w * grid_size, centroid.h * grid_size)# print resultfor centroid in centroids:print("k-means result：\n")print(centroid.w * grid_size, centroid.h * grid_size)
#只需修改这里的参数n_anchors和grid_size；得到的9个预选框的参数复制到cfg即可
#要修改的路径--训练集train.txt的路径
#label_path = "/home/chris/darknet/scripts/2007_train.txt"
label_path = "/usr/cx/darknetalexeyAB/names_data/2007_train.txt"
n_anchors = 9          #预选框anchors的个数，6,9，12,15，根据自己的实际项目进行设置；
loss_convergence = 1e-6
grid_size = 416        #栅格的尺寸
iterations_num = 100    #迭代的步数
plus = 0                 #开关;=1时，使用k-means++算法，一般=0。
compute_centroids(label_path,n_anchors,loss_convergence,grid_size,iterations_num,plus)

脚本文件（命名为k-means.py）
运行python k-means.py即可。
注意修改路径。代码注释中已经标出。

(3)anchors值替换
在cfg文件的每个yolo层，进行如下修改：
1)mask取值变为0~11,3个为一组，最前面一层yolo层的mask赋值为9,10,11
2)将第二行的anchors值更新替换成步骤（2）中计算得到的anchors值；
3）classes是类别数，此项目仅有1个类别，根据自己的项目修改classes的值；
3)将num=9改成num=12；

[yolo]
mask = 9,10,11
anchors = 34, 57,  77,110, 145,155, 174,220, 177,324, 212,273, 281,212, 356,206, 241,316, 329,265, 399,265, 346,33
classes=1
num=12
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

(4)模型训练
经过增加cfg配置文件的检测层，计算anchors，并将其更新到cfg配置文件中之后，接下来就可以进行模型的训练了。
注意：由于我们没有对backbone基础网络进行修改，所以，可以使用darknet53.conv.74预训练权重进行训练。
darknet53.conv.74下载链接如下：
darknet53.conv.74权重文件
链接：https://pan.baidu.com/s/14Hwqqsp_ua28Xu27gaQk6g
提取码：dnai

YOLOv3改进方法增加特征尺度和训练层数相关推荐

tensorflow 语音识别_调研报告｜在线语音识别改进方法之序列区分性训练
这篇文章主要调研的是一种常见的改进在线语音识别的方法:序列区分性训练(Sequence Discriminative Training).相信有很多人已经在 CTC/CE 的训练上遇到了瓶颈,而一些新 ...
CV之FR：基于DIY人脸图像数据集(每人仅需几张人脸图片训练)利用Hog方法提取特征和改进的kNN算法实现人脸识别并标注姓名(标注文本标签)—(准确度高达100%)
CV之FR:基于DIY人脸图像数据集(每人仅需几张人脸图片训练)利用Hog方法提取特征和改进的kNN算法实现人脸识别并标注姓名(标注文本标签)-(准确度高达100%) 目录基于DIY人脸图像数据集( ...
cnn 回归坐标特征图_RCNN, Fast R-CNN 与 Faster RCNN理解及改进方法
RCNN 这个网络也是目标检测的鼻祖了.其原理非常简单,主要通过提取多个Region Proposal(候选区域)来判断位置,作者认为以往的对每个滑动窗口进行检测算法是一种浪费资源的方式.在RCNN中 ...
深度学习模型训练的结果及改进方法
深度学习模型训练的结果及改进方法模型在训练集上误差较大: 解决方法:1. 选择新的激活函数2. 使用自适应的学习率在训练集上表现很好,但在测试集上表现很差(过拟合): 解决方法:1. 减少迭代次数 ...
Spatial Pyramid Pooling（空间金字塔池化）-变尺度CNN训练
1. 需求创造好的产品,产品拓宽原始的需求当前的深度神经网络一般都需要固定的输入图像尺寸(如224*224). 这种需求很明显是人为的,潜在性的弊端会降低识别精度(为了使图像尺寸相同,一定会涉及到图 ...
faster rcnn resnet_RCNN, Fast R-CNN 与 Faster RCNN理解及改进方法
RCNN 这个网络也是目标检测的鼻祖了.其原理非常简单,主要通过提取多个Region Proposal(候选区域)来判断位置,作者认为以往的对每个滑动窗口进行检测算法是一种浪费资源的方式.在RCNN中 ...
损失函数改进方法总览
损失函数改进方法总览 https://www.cnblogs.com/DicksonJYL/p/9576982.html 这篇博客主要列个引导表,简单介绍在深度学习算法中损失函数可以改进的方向,并给出 ...
BERT模型的优化改进方法！
Datawhale干货来源:Coggle数据科学本文为论文<BERT模型的主要优化改进方法研究综述>的阅读笔记,对 BERT主要优化改进方法进行了研究梳理. BERT基础 BERT是由 ...
提升机器学习训练数据多样性，增加医学应用可训练数据量
文 / Google Health 软件工程师 Timo Kohlberger 和 Yuan Liu 机器学习 (ML) 在医学成像方面的进步帮助医生可以给出更好的诊断,这在一定程度上得益于对详细标记 ...

YOLOv3改进方法增加特征尺度和训练层数

YOLOv3改进方法

YOLOv3改进方法增加特征尺度和训练层数相关推荐

最新文章

热门文章