版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
yolo v3网络计算流程简析
- 从 examples/darknet.c 里的 main 函数进入，选择参数 detector train，跳转到 examples/detector.c 的 train_detector 函数。
- 解析 datacfg 文件，提取出 train_image 训练图片的路径
- load_network 加载网络结构，通过 cfgfile 文件，如果传入了 weightfile，则读入 weightfile 里的权重值，否则随机初始化权重值。
- load_data 读取训练图片，在所有的图片列表中随机读取 batch x subdivisions 张图片存入 buffer，加载图片时，对这些图片随机进行增强处理，如裁剪、翻转、缩放、调整曝光和饱和度等；同时读入对应图片的 labels 保存到 buffer，注意 labels 文件名字和对应图片相同，只是后缀改为 .txt，labels 里每行保存一个 truth box 的 x, y, w, h, class 值。
- 每次训练 batch x subdivisions 张图片，分辨率在 320x320 到 608x608 随机选取，load_data 会对不满足分辨率的图片进行转换成符合的分辨率。
- train_network 进行训练。进入 src/network.c，每次从 buffer 里加载 batch 张图片进行训练，共训练 subdivisions 次。
- train_network_datum 开始训练，进行一次前向推理 forward_network 和反向推理 backward_network 并记录损失值，当训练 subdivisions 次后，进行一次网络更新 update_network，即更新网络权重值。
- yolov3.cfg 网络结构配置只有 convolutional，yolo，route，upsample，shortcut 层，只有卷积层有权重值，yolo 层进行损失函数计算，以及 delta 反向传播。
- 经过darknet53的基础网络提取特征后，网络连接3个不同尺度的yolo层，每层与对应的anchor相匹配。第一层匹配3个大的anchor，第二层3个中等的anchor，第三层匹配3个小的anchor。
- 最重要的是yolo层的损失函数计算。先对每一个预测值，计算与真实label的iou，如果最大的iou大于thresh，则不对该预测值计算损失，否则类别损失导数记为(0-predict)。然后对每一个真实label，计算与anchor的最大iou，如果最大iou对应的anchor与yolo层相匹配，则计算x,y,w,h和class的损失，类别损失记为(1-predict)。从这里可以看出，yolo对负样本没有计算x,y,w,h,class的损失，只计算了类别损失，所以作者在yolov3里说使用FocalLoss没有优化，因为本来负样本就没有计算损失，对梯度反向传播影响不大。
- 反向传播就是用的随机梯度下降，没有什么需要说明的。
- 网络训练完成之后，就可以进行预测了。预测时，对输入图片只是进行了一个插值调整图片分辨率，没有进行图片增强操作，然后进行一次网络前向传播，得到三个yolo层的预测结果，但结果里还包含很多重叠的预测框，所以需要进行NMS非极大值抑制，这一步是比较耗时的操作，因为是在CPU里进行的。NMS之后就把最后留下的超过thresh的预测框在原图上画出来，并保存。
- 这就是yolo的基本计算流程。关键代码解析在后面的博文里写出来。