Darknet框架解读

1.test_detector的调用路径：

这里重点介绍load_alphabet函数：

程序退出时，会清理这些图片分配的资源：

根据代码，这里是从data/labels/目录装载png图片，图片有8*95=760

这些图片都是ASCII码，比如我们打开编号为65和97的PNG图片，看以下内容,分别是A和a.

怀疑最后绘框上面的Label字母就是来源于这里，这样就不依赖于系统字库了，我们确认一下，用反证法。

如果我们将所有b的图片替换成a的图片，那么bicycle应该能变成aicycle的，我们测试一下：

我们重新运行推理测试，发现果然如此，b变成了a.

所以，labels/下有ASCII码32-127的8种尺寸的图片，是显示标签用的。

澄清一个问题，继续下一个问题

运行后：        

 dog.jpg，宽高分别为768，576，这是原图的尺寸。

 但是我们的网络描述文件，网络的输入应该是416*416的，该如何处理呢？

打印几个关键变量： 

喂给网络的JPG图像，首先要经过resize_image操作，转换为网络吃的416*416大小，load_image调用栈中会调用STBI库，库里面还会进行JPG-RGB的转换。

网络推理用的图像分辨率是416*416，但是输入原图和输出框却是在768*576大小，那么框和坐标是如何转化的呢？

./darknet detector test ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights data/dog.jpg -i 0 -thresh 0.25s -out result.json

具体调用发生在下图中的correct_yolo_boxes函数。

加入图中的打印LOG，我们看一下调试输出：

数据处理流水线：

这里的224*224写错了，YOLOV3网络不支持这种尺寸的输入，而应该是320*320。

推理前处理

前处理后，原图被转换为sized对象中存储的数据类型，我们打引它的维度信息和数据：

打印出来，看到确实是按照网络对图像尺寸的要求，数据变为416*416*3的数据。

但是数据貌似是归一化[0,1]范围的浮点，而非RGB像素信息,我们把数据也打印出来：

并且我们加入了范围检测，检测最小值和最大值的存在,运行后，最大值为1，最小值为0，没有负值.

归一化的细节发生在那里呢？还需要再寻找。

继续寻找归一化的前奏，对输入图像的最早处理是发生在下面这段代码：

打印：

所以，你看到，图像装载的时候就已经归一化为小数了。归一化是在哪里发生的呢？我们追踪一下load _image的实现，可以很明显看到最后一步除了255。

Darknet 对于缩放的实现，使用了最临近插值的算法，算法原理可以参考博客

用最近邻插值(Nearest Neighbor interpolation)进行图片缩放_tugouxp的专栏-CSDN博客图片缩放的两种常见算法： 最近邻域内插法(Nearest Neighbor interpolation) 双向性内插法(bilinear interpolation)本文主要讲述最近邻插值(Nearest Neighbor interpolation算法的原理以及python实现基本原理最简单的图像缩放算法就是最近邻插值。顾名思义，就是将目标图像各点的像素值设为源图像中与其最近的点。算法优点在与简单、速度快。如下图所示，一个4*4的图片缩放为8*8的图片。步骤： ...https://blog.csdn.net/tugouxp/article/details/120110219

darknet每个框针对每类对象的概率怎么算的？

下面这段代码来自于darknet代码，通过它可以看的出来，计算方法是这个框有物体的置信度乘以每类的概率，为这个框中有某类目标的最后概率,这有点像是条件概率。

结束！

版权声明：本文为CSDN博主「papaofdoudou」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/tugouxp/article/details/120941276