探索 YOLO v3 源码 - 第1篇 训练

YOLO，即You Only Look Once的缩写，是一个基于卷积神经网络的物体检测算法。而YOLO v3是YOLO的第3个版本，即YOLO、YOLO 9000、YOLO v3，检测效果，更准更强。

 

更多细节，可以参考YOLO的官网。

 

 

YOLO

YOLO是一句美国的俗语，You Only Live Once，人生苦短，及时行乐。

本文主要分享，如何实现YOLO v3的算法细节，Keras框架。这是第1篇，训练。当然还有第2篇，至第n篇，毕竟，这是一个完整版 ：）

 

本文的GitHub源码：

https://github.com/SpikeKing/keras-yolo3-detection

---

1.  参数

模型的训练参数，共有5个，即：

 

(1) 已标注边界框的图片数据集，其格式如下：

图片的位置 框的4个坐标和1个类别ID (xmin,ymin,xmax,ymax,id) ... dataset/image.jpg 788,351,832,426,0 805,208,855,270,0

 

(2) 标注框类别的汇总，即数据集中所标注物体的全部类别，例如：

aeroplane bicycle bird ...

 

(3) 预训练模型，用于迁移学习中的微调，可选YOLO v3已训练完成的COCO模型权重，即：

pretrained_path = 'model_data/yolo_weights.h5'

 

(4) 预测特征图的anchor框集合：

 

• 3个尺度的特征图，每个特征图3个anchor框，共9个框，从小到大排列；

• 框1~3在大尺度52x52特征图中使用，框4~6是中尺度26x26，框7~9是小尺度13x13；

• 大尺度特征图用于检测小物体，小尺度检测大物体；

• 9个anchor来源于边界框的K-Means聚类。

 

例如，COCO的anchors列表，如下：

10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326

 

(5) 图片输入尺寸，默认为416x416，选择416的原因是：

 

• 图片尺寸满足32的倍数，在DarkNet网络中，执行5次步长为2卷积，降采样，其卷积操作如下：

x = DarknetConv2D_BN_Leaky(num_filters, (3, 3), strides=(2, 2))(x)

• 在最底层时，特征图尺寸需要满足为奇数，如13，以保证中心点落在唯一框中。如果为偶数时，则中心点落在中心的4个框中，导致歧义。

---

2.  创建模型

创建YOLOv3的网络模型，输入：

 

• input_shape：图片尺寸；

• anchors：9个anchor box；

• num_classes：类别数；

• freeze_body：冻结模式，1是冻结DarkNet53的层，2是冻结全部，只保留最后3层；

• weights_path：预训练模型的权重。

 

即：

model = create_model(input_shape, anchors, num_classes,                     freeze_body=2,                     weights_path=pretrained_path)

 

其中，网络的最后3层是：3个1x1的卷积层，用于将3个尺度的特征图，转换为3个尺度的预测值。

 

即：

out_filters = num_anchors * (num_classes + 5) // ... DarknetConv2D(out_filters, (1, 1))

 

结构如下：

conv2d_59 (Conv2D)      (None, 13, 13, 18)   18450       leaky_re_lu_58[0][0]     conv2d_67 (Conv2D)      (None, 26, 26, 18)   9234        leaky_re_lu_65[0][0]     conv2d_75 (Conv2D)      (None, 52, 52, 18)   4626        leaky_re_lu_72[0][0]

---

3.  样本数量

样本洗牌，将数据集拆分为10份，训练9份，验证1份，比较简单。

 

实现：

val_split = 0.1  # 训练和验证的比例with open(annotation_path) as f: lines = f.readlines() np.random.seed(47) np.random.shuffle(lines) np.random.seed(None) num_val = int(len(lines) * val_split)  # 验证集数量num_train = len(lines) - num_val  # 训练集数量

---

4.  第1阶段训练

第1阶段，冻结部分网络，只训练底层权重：

 

• 优化器使用常见的Adam；

• 损失函数，直接使用模型的输出y_pred，忽略真值y_true；

 

即：

model.compile(optimizer=Adam(lr=1e-3), loss={    # 使用定制的 yolo_loss Lambda层    'yolo_loss': lambda y_true, y_pred: y_pred})  # 损失函数

 

其中，关于损失函数yolo_loss，以及y_true和y_pred：

 

• 把y_true当成输入，作为模型的多输入，把loss封装为层，作为输出；

• 在模型中，最终输出的y_pred就是loss；

• 在编译时，将loss设置为y_pred即可，无视y_true；

• 在训练时，随意添加一个符合结构的y_true即可。

 

Python的Lambda表达式：

f = lambda y_true, y_pred: y_pred print(f(1, 2))  # 输出2

 

模型fit数据，使用数据生成包装器，按批次生成训练和验证数据。最终，模型model存储权重。

 

实现如下：

batch_size = 32  # batch model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),                    steps_per_epoch=max(1, num_train // batch_size),                    validation_data=data_generator_wrapper(                        lines[num_train:], batch_size, input_shape, anchors, num_classes),                    validation_steps=max(1, num_val // batch_size),                    epochs=50,                    initial_epoch=0,                    callbacks=[logging, checkpoint]) # 存储最终的去权重，再训练过程中，也通过回调存储 model.save_weights(log_dir + 'trained_weights_stage_1.h5')

 

同时，在训练过程中，也会不断保存，epoch完成的模型权重，设置参数为：

 

• 只存储权重（save_weights_only）；

• 只存储最优结果（save_best_only）；

• 每隔3个epoch存储一次（period）。

 

即：

checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',                             monitor='val_loss', save_weights_only=True,                             save_best_only=True, period=3)  # 只存储weights权重

---

5.  第2阶段训练

第2阶段，使用第1阶段已训练完成的网络权重，继续训练：

 

• 将全部的权重都设置为可训练，而在第1阶段中，则是冻结部分权重；

• 优化器，仍是Adam，只是学习率有所下降，从1e-3减少至1e-4；

• 损失函数，仍是只使用y_pred，忽略y_true。

 

实现：

for i in range(len(model.layers)):    model.layers[i].trainable = True model.compile(optimizer=Adam(lr=1e-4),              loss={'yolo_loss': lambda y_true, y_pred: y_pred})

第2阶段的模型fit数据，与第1阶段类似，从第50个epoch开始，一直训练到第100个epoch，当触发条件时，则提前终止。额外增加了两个回调reduce_lr和early_stopping，用于控制训练提取终止的时机：

 

• reduce_lr：当评价指标不在提升时，减少学习率，每次减少10%，当验证损失值，持续3次未减少时，则终止训练。

• early_stopping：当验证集损失值，连续增加小于0时，持续10个epoch，则终止训练。

 

实现：

reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=3, verbose=1)  # 当评价指标不在提升时，减少学习率 early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)  # 验证集准确率，下降前终止 batch_size = 32 model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),                    steps_per_epoch=max(1, num_train // batch_size),                    validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors,                                                           num_classes),                    validation_steps=max(1, num_val // batch_size),                    epochs=100,                    initial_epoch=50,                    callbacks=[logging, checkpoint, reduce_lr, early_stopping]) model.save_weights(log_dir + 'trained_weights_final.h5')

 

至此，在第2阶段训练完成之后，输出的网络权重，就是最终的模型权重。

---

补充1.  K-Means

K-Means算法是聚类算法，将一组数据划分为多个组，每组都含有一个中心。

 

在YOLOv3中，获取数据集的全部anchor box，通过K-Means算法，将这些边界框的宽高，聚类为9类，获取9个聚类中心，面积从小到大排列，作为9个anchor box。

 

模拟K-Means算法：

 

• 创建测试点，X是数据，y是标签，如X:(300,2), y:(300,)；

• 将数据聚类为9类；

• 输入数据X，训练；

• 预测X的类别，为y_kmeans；

• 使用scatter绘制散点图，颜色范围viridis；

• 获取聚类中心cluster_centers_，以黑色点表示；

 

源码：

import matplotlib.pyplot as plt import seaborn as sns sns.set()  # for plot styling from sklearn.cluster import KMeans from sklearn.datasets.samples_generator import make_blobs def test_of_k_means():    # 创建测试点，X是数据，y是标签，X:(300,2), y:(300,)    X, y_true = make_blobs(n_samples=300, centers=9, cluster_std=0.60, random_state=0)    kmeans = KMeans(n_clusters=9)  # 将数据聚类    kmeans.fit(X)  # 数据X    y_kmeans = kmeans.predict(X)  # 预测    # 颜色范围viridis: https://matplotlib.org/examples/color/colormaps_reference.html    plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=20, cmap='viridis')  # c是颜色，s是大小    centers = kmeans.cluster_centers_  # 聚类的中心    plt.scatter(centers[:, 0], centers[:, 1], c='black', s=40, alpha=0.5)  # 中心点为黑色    plt.show()  # 展示 if __name__ == '__main__':    test_of_k_means()

 

输出：

 

K-Means

 

---

补充2.  EarlyStopping

EarlyStopping是Callback的子类，Callback用于指定在每个阶段开始和结束时，执行的操作。在Callback中，有已经实现的简单子类，如acc、val、loss和val_loss等，还有复杂子类，如ModelCheckpoint和TensorBoard等。

 

Callback的回调接口，如下：

def on_epoch_begin(self, epoch, logs=None): def on_epoch_end(self, epoch, logs=None): def on_batch_begin(self, batch, logs=None): def on_batch_end(self, batch, logs=None): def on_train_begin(self, logs=None): def on_train_end(self, logs=None):

 

EarlyStopping是提前停止训练的Callback子类。具体地，当训练或验证集中的loss不再减小，即减小的程度小于某个阈值，则会停止训练。这样做，可以提高调参效率，避免浪费资源。

 

在model的fit数据时，以列表设置callbacks回调，支持设置多个Callback，如：

callbacks=[logging, checkpoint, reduce_lr, early_stopping]

 

EarlyStopping的参数：

 

• monitor：监控数据的类型，支持acc、val_acc、loss、val_loss等；

• min_delta：停止阈值，与mode参数配合，支持增加或下降；

• mode：min是最少，max是最多，auto是自动，与min_delta配合；

• patience：达到阈值之后，能够容忍的epoch数，避免停止在抖动中；

• verbose：日志的繁杂程度，值越大，输出的信息越多。

 

min_delta和patience需要相互配合，避免模型停止在抖动的过程中。min_delta降低，patience减少；而min_delta增加，则patience增加。

 

例如：

early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)

---

OK, that's all! Enjoy it!

By C. L. Wang @ 美图云 视觉技术部