YOLO，即You Only Look Once（你只看一次）的缩写，是一个基于卷积神经网络（CNN）的物体检测算法。而YOLOv3是YOLO的第3个版本（即YOLO、YOLO 9000、YOLO v3），检测效果，更准更强。
YOLO是一句美国的俗语，You Only Live Once，人生苦短，及时行乐。
本文介绍如何实现YOLO v3算法，Keras框架。这是第2篇，模型。当然还有第3篇，至第n篇，这是一个完整版 ：）
第1篇 训练：https://juejin.im/post/5b63c0f8518825631e21d6ea
本文的源码：https://github.com/SpikeKing/keras-yolo3-detection
在训练中，调用create_model方法创建模型，其中，重点分析create_model的逻辑。
在create_model方法中，创建YOLO v3的网络结构，其中参数：
input_shape：输入图片的尺寸，默认是(416,416)；anchors：默认的9种anchor box，shape是(9,2)；num_classes：类别数，创建网络只需要类别数即可，类别按0~n排列，输入类别也是索引；load_pretrained：是否使用预训练模型；freeze_body：冻结模式，1或2，1是冻结DarkNet53模型，2是只保留最后3个1x1卷积层；weights_path：预训练的权重路径；
如下：
def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
weights_path='model_data/yolo_weights.h5'):
复制代码将参数进行处理：
- 拆分图片尺寸的宽h和高w；
- 创建图片的输入格式，显式如(416, 416, 3)，隐式如(?, ?, 3)；
- 计算anchor的数量；
- 根据anchor的数量，创建真值
y_true的输入格式；
如下：
h, w = input_shape # 尺寸
image_input = Input(shape=(w, h, 3)) # 图片输入格式
num_anchors = len(anchors) # anchor数量
# YOLO的三种尺度，每个尺度的anchor数，类别数+边框4个+置信度1
y_true = [Input(shape=(h // {0: 32, 1: 16, 2: 8}[l], w // {0: 32, 1: 16, 2: 8}[l],
num_anchors // 3, num_classes + 5)) for l in range(3)]
复制代码其中，真值y_true，真值即Ground Truth：
“//”是Python语法中的整除符号，通过循环创建3个Input层，组成列表，作为y_true，格式如下：
Tensor("input_2:0", shape=(?, 13, 13, 3, 6), dtype=float32)
Tensor("input_3:0", shape=(?, 26, 26, 3, 6), dtype=float32)
Tensor("input_4:0", shape=(?, 52, 52, 3, 6), dtype=float32)
复制代码其中，第1位是样本数，第2~3位是特征图的尺寸13x13，第4位是每个图的anchor数，第5位是：类别(n)+4个框值（x,y,w,h）+框的置信度（是否含有物体）。
通过图片输入Input层image_input、每个尺度的anchor数num_anchors//3、类别数num_classes，创建YOLO v3的网络结构，即：
model_body = yolo_body(image_input, num_anchors // 3, num_classes)
复制代码接着，加载预训练模型：
- 根据预训练模型的地址
weights_path，加载模型，按名称对应by_name，略过不匹配skip_mismatch； - 选择冻结模式：
- 模式1的层数是185，模式2的层数是保留最后3层；其中，模型共有252层；
- 将选择的层数，设置为可训练，
model_body.layers[i].trainable=True
实现：
if load_pretrained: # 加载预训练模型
model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
if freeze_body in [1, 2]:
# Freeze darknet53 body or freeze all but 3 output layers.
num = (185, len(model_body.layers) - 3)[freeze_body - 1]
for i in range(num):
model_body.layers[i].trainable = False # 将其他层的训练关闭
复制代码接着，设置模型损失层model_loss：
- Lambda是Keras的自定义层，输入为
(model_body.output + y_true)，输出为output_shape=(1,)； - 层的名字name为
yolo_loss； - 参数为anchors锚框、类别数
num_classes，ignore_thresh是物体置信度损失（object confidence loss）的IoU（Intersection over Union，重叠度）阈值； yolo_loss是核心的损失函数。
实现：
model_loss = Lambda(yolo_loss,
output_shape=(1,), name='yolo_loss',
arguments={'anchors': anchors,
'num_classes': num_classes,
'ignore_thresh': 0.5}
)(model_body.output + y_true)
复制代码接着，创建最终模型：
- 模型的输入：
model_body的输入层，即image_input，和y_true； - 模型的输出：
model_loss的输出，一个值，output_shape=(1,)； - 保存模型的网络图，和打印网络；
即：
model = Model(inputs=[model_body.input] + y_true, outputs=model_loss) # 模型
plot_model(model, to_file=os.path.join('model_data', 'model.png'), show_shapes=True, show_layer_names=True) # 存储网络结构
model.summary() # 打印网络
复制代码其中，model_body.input是任意(?)个(416,416,3)的图片，即：
Tensor("input_1:0", shape=(?, 416, 416, 3), dtype=float32)
复制代码y_true是已标注数据转换的真值结构，即：
[Tensor("input_2:0", shape=(?, 13, 13, 3, 6), dtype=float32),
Tensor("input_3:0", shape=(?, 26, 26, 3, 6), dtype=float32),
Tensor("input_4:0", shape=(?, 52, 52, 3, 6), dtype=float32)]
复制代码补 IoU
IoU，即Intersection over Union，用于计算两个图的重叠度，用于计算两个标注框（bounding box）之间的相关度，值越高，相关度越高。在NMS（Non-Maximum Suppression，非极大值抑制）或计算mAP（mean Average Precision）中，都会使用IoU判断两个框的相关性。
如图：
实现：
def bb_intersection_over_union(boxA, boxB):
boxA = [int(x) for x in boxA]
boxB = [int(x) for x in boxB]
xA = max(boxA[0], boxB[0])
yA = max(boxA[1], boxB[1])
xB = min(boxA[2], boxB[2])
yB = min(boxA[3], boxB[3])
interArea = max(0, xB - xA + 1) * max(0, yB - yA + 1)
boxAArea = (boxA[2] - boxA[0] + 1) * (boxA[3] - boxA[1] + 1)
boxBArea = (boxB[2] - boxB[0] + 1) * (boxB[3] - boxB[1] + 1)
iou = interArea / float(boxAArea + boxBArea - interArea)
return iou
复制代码OK, that's all! Enjoy it!