Yolo3特征提取+预测网络构建（基于keras）

yolo系列目标检测算法的核心思想就是：把一张图片分为n*n网格，每个网格负责以该网格中心的区域的检测。

Yolo3使用的特征提取网络使用的是darknet53，它相较于其他yolo系列的检测算法主要改进有：
1、主干网络修改为darknet53，其重要特点是使用了残差网络Residual，darknet53中的残差卷积就是进行一次3X3、步长为2的卷积，然后保存该卷积layer，再进行一次1X1的卷积和一次3X3的卷积，并把这个结果加上layer作为最后的结果。
2、darknet53的每一个卷积部分使用了特有的DarknetConv2D结构，每一次卷积的时候进行L2正则化，完成卷积后进行BatchNormalization标准化与LeakyReLU。

这里以输入图片尺寸416x416x3、coco数据集分类数80为例来详细看一看Yolo3的整体网络结构图：

1.一个图片经过darknet53特征提取网络会依次得到6个特征层，
其大小分别是：
（416，416，32） （208，208，64） （104，104，128）
（52，52，256）（26，26，512）（13，13，1024），
2.后三个特征层再进行5次卷积处理，处理完后一部分用于输出该特征层对应的预测结果，一部分用于进行反卷积UmSampling2d后与其它特征层进行结合。（至于为什么要5次卷积我也不清楚）
3.经过一系列的卷积得到三个预测结果，其大小分别为：（52，52，255），（26，26，255），（13，13，255）

为什么是255呢？ 这里是个需要好好理解的地方。
255 = 3*（ 80 + 1 + 4 ）
3表示的是：每一个网格所拥有的先验框的个数为3个(yolo3中默认设置的)
80代表的是：cooc数据集里面一共有80给类
1代表的是：每一个先验框所包含某个物体的置信度
4代表的是：预测框相对于每个网格中心点x轴偏移情况x_offset,预测框相对于每个网格中心点y轴偏移情况 y_offset, 先验框的height, 先验框的width。（每个网格点的中心加上x_offset和y_offset就可以得到预测框的中心，通过调整先验框的w和h就可以得到预测框的w和h，这样就可以确定预测框的位置啦）
PS：如果是voc数据集的话，最后的预测结果应该就是：（52，52，25）
（26，26，26）（13，13，25）。因为是20+1+4

以上就是yolo3特征提取+处理网络的输入和输出全部内容。

代码实现：

from functools import wraps
from keras.regularizers import l2
from keras.layers import Conv2D, BatchNormalization, Activation, ZeroPadding2D, Add, Input, UpSampling2D, Concatenate
from keras.layers.advanced_activations import LeakyReLU
from keras.models import Model
from functools import reduce

#重新定义darknet中的Conv2D卷积操作
@wraps(Conv2D)
def DarknetConv2D(*args, **kwargs):
    darknet_conv_kwargs = {
   'kernel_regularizer':l2(5e-4)}
    darknet_conv_kwargs['padding'] = 'valid' if kwargs.get('strides')==(2, 2) else 'same'
    darknet_conv_kwargs.update