这两个文件是基于tensorflow实现YOLOv3的网络及损失函数部分。
用于学习YOLOv3的网络及其损失函数是如何构造的
不同模型除了网络与损失函数之外其余部分的实现都比较类似。
step1.从原始文件(annotation_file)中读取的一张图片原始信息为true_boxes(维度[m, 5]):
[[true_box1_x1, true_box1_y1, true_box1_w, true_box1_h, class_info]
[true_box2_x1, true_box2_y1, true_box2_w, true_box2_h, class_info],
...]
step2.从step1得到的原始信息中我们可以得到该图片的GT框的wh集合true_wh(维度[m, 2])
step3.由kmeans得到的先验anchor框的信息为anchor_wh(维度：[9, 2])：
step4.将true_wh的维度变为[m, 1, 2], anchor_wh的维度变为[1, 9, 2]
step5.将true_wh与anchor_wh求iou,得到iou矩阵IOU:[m, 9]
step6.对IOU的第二维求argmax，得到有m个元素的列表
列表中第i个元素x：代表anchors中与该张图片第i个true_box的IOU最大的是 第x个anchor
step7.我们要从3个scale去初始化第l张图片的label矩阵y_ture[l]:
而在每一个scale中又有三个不同大小的anchor，因此label矩阵具体如下：
y_true[l][0]:将图片分成13X13的格子 [13, 13, 3, 255] (对应anchor：[116, 90], [156, 198], [373, 326])
y_true[l][1]:将图片分成26X26的格子 [13, 13, 3, 255] (对应anchor：[30, 61], [62, 45], [59, 119])
y_true[l][2]:将图片分成52X52的格子 [52, 52, 3, 255] (对应anchor：[10, 13], [16, 30], [33, 23])
step8.将true_boxes的信息填进y_true矩阵
根据step6得到的IOU矩阵可以判断每个true_box应该整合进y_true的哪个位置
例如：true_box:[200, 200, 115，91， 5] => x:200, y:200, w:115, h:91, class_info:5
step8.1 wh与[116, 91]的IOU最大=> 信息应该填入y_true[l][0]=> 是将图片分成1313的格子
step8.2 x=200，y=200，图片分成1313格子 => 计算 信息应该填入哪个格子
x_g = 200 / 416 * 13 = 6.26 => 第7列
y_g = 200 /416 *13 = 6.26 => 第7行
step8.3 根据上面两步可得该true_box的信息放入第一个sacle的第7行第7列的格子
step8.4 填入信息：
y_true[l][0][int(x_g), int(y_g), 0, 0:4] = true_box[0:4] //box位置
y_true[l][0][int(x_g), int(y_g), 0, 4+true_box[4]] = 1 //类别
step9.将所有的true_box填入y_true矩阵后，得到数据集的label信息。
