2—YOLO2

Darknet: Open Source Neural Networks in Chttps://pjreddie.com/darknet/

YOLO: Real-Time Object Detectionhttps://pjreddie.com/darknet/yolo/

Pre-Trained Modelshttps://pjreddie.com/darknet/imagenet/

yolo_voc.cfg中参数

第一个net

[net]
batch=64  //每次迭代要进行训练的图片数量
subdivisions=8//
height=416 //图像缩放后的大小
width=416
channels=3//彩色图像
momentum=0.9
decay=0.0005
angle=0  //角度
saturation = 1.5  //饱和度
exposure = 1.5  //曝光度
hue=.1  //色调
learning_rate=0.0001
max_batches = 32000//最大训练迭代次数
policy=steps
steps=100,20000，30000
scales=10,.1,.1
【解释】
batch：每次迭代要进行训练的图片数量 
subdivisions：batch中的图片再产生子集，源码中的图片数量int imgs = net.batch * net.subdivisions * ngpus 
width：输入图片宽度， height：输入图片高度，channels ：输入图片通道数

对于每次迭代训练，YOLOv2会基于角度(angle)，饱和度(saturation)，曝光(exposure)，色调(hue)产生新的训练图片 
angle：图片角度变化，单位为度，假如angle=5，就是生成新图片的时候随机旋转-5~5度 
saturation & exposure: 饱和度与曝光变化大小，tiny-yolo-voc.cfg中1到1.5倍，以及1/1.5~1倍 
hue：色调变化范围，tiny-yolo-voc.cfg中-0.1~0.1 
max_batches：最大迭代次数 

中间的网络结构不列出了，看最后一个卷积层

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024 //卷积核的个数
activation=leaky//leaky激活函数，大于0的为x,小于0的为0

[convolutional]
size=1
stride=1
pad=1
filters=40//用3类训练，所以5*（3+4+1）
activation=linear
[region]最后一层
anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52
bias_match=1
classes=3//类别数
coords=4  //
num=5
softmax=1
jitter=.2
rescore=1

虽然region(YOLOv1的detection)在最后一层，但是很多参数都是一开始就载入使用的，尤其是对于图片数据处理的参数 
classes：类别数量 
coords：BoundingBox的tx,ty,tw,th，tx与ty是相对于左上角的gird，同时是当前grid的比例，tw与th是宽度与高度取对数 
num：每个grid预测的BoundingBox个数 
jitter：利用数据抖动产生更多数据，YOLOv2中使用的是crop，filp，以及net层的angle，flip是随机的，crop就是jitter的参数，tiny-yolo-voc.cfg中jitter=.2，就是在0~0.2中进行crop 
anchors：预测框的初始宽高，第一个是w，第二个是h，总数量是num*2，YOLOv2作者说anchors是使用K-MEANS获得，其实就是计算出哪种类型的框比较多，可以增加收敛速度，如果不设置anchors，默认是0.5，还有就是anchors读入参数中名字是biases 
这里有一个计算样本anchors的Python脚本，anchors生成脚本 
bias_match：如果为1，计算best iou时，预测宽高强制与anchors一致 
softmax：如果为1，使用softmax 
rescore：决定使用哪种方式计算IOU的误差，为1时，使用当前best iou计算，为0时，使用1计算 
object_scale & noobject_scale & class_scale & coord_scale：YOLOv1论文中cost function的权重，哪一个更大，每一次更新权重的时候，对应方面的权重更新相对比重更大 
thresh：决定是否需要计算IOU误差的参数，大于thresh，IOU误差不会夹在cost function中 
random：如果为1每次迭代图片大小随机从320到608，步长为32，如果为0，每次训练大小与输入大小一致