基于tf.keras，实现YOLOv2模型。
与所有YOLO v2项目相比：
- 使用tf.data.Dataset读取数据，tf.keras构造模型，简单易懂，同时易于多GPU训练、模型转换等操作；
- 全中文详细代码注释，算法理解等说明；
- 自由开启/关闭train-from-scratch的预测框校正功能。
取coco数据集中的20张图片做训练，测试效果如下，更多结果可查看dataset/test_result*。
- 制作数据集
label.txt，一行为image_path x0 y0 w0 h0 cls0 x1 y1 x1 h1 cls1 ...， 其中xywh为待检测目标的bounding box中心点坐标和宽高相对于原图的比例（归一化了），cls为类别； - 实际用自己的数据训练时，可能需要执行以下
utils/check_label_file.py，确保标签文件中的图片真实可用； - 修改并运行
utils/anchors/kmeans_anchors.py，聚类预定义anchors； - run.py同目录下新建
logs文件夹，存放日志文件；训练完毕会出现models文件夹，存放模型； - 查看
configs.py并进行修改，此为参数配置文件； - 执行
python run.py，会根据配置文件configs.py进行训练/测试/模型转换等（需要注意我设置了随机种子）。
以上的IOU-Ratio曲线需要从右往左看，表示随着与聚类中心IOU越小，类内label框的占比比例。
- 先看
README.md; - 再看
1_learning_note下的note； - 看
multi_label下的trainer.py里的__init__函数，把整体模型串起来； - 看
run.py文件，结合着看configs.py。
A_learning_notes: README后，先查看本部分了解本项目大致结构；backbone: 模型的骨干网络脚本，basic_backbone.py包含了基类BasicBackbone， 实现了5个类型的骨干网络：resnet-18,resnet-18-v2,mobilenet-v2,mixnet-18,resnext-18； 其中，前三个网络基本遵照原始网络结构，后两个是借鉴了对应网络的**，在resnet-18基础上改写；dataset: 数据集构造脚本；dataset_util.py: 使用tf.image API进行图像数据增强，然后用tf.data进行数据集构建；file_util.py: 以txt标签文件的形式，构造tf.data数据集用于训练；
images: 项目图片；logs: 存放训练过程中的日志文件和tensorboard文件（当前可能不存在）；models: 存放训练好的模型文件（当前可能不存在）；utils: 一些工具脚本；anchors: 通过k-means聚类计算得到预定义anchors；check_label_file.py: 在训练前检查训练集，确保标签文件中的图片真实可用；logger.py：构造文件和控制台日志句柄；logger_callback.py: 日志打印的keras回调函数；radam.py: RAdam算法的tf.keras优化器实现；
yolov2: yolov2模型构建脚本；train.py: 模型训练接口，集成模型构建/编译/训练/debug/预测、数据集构建等功能；yolov2_decoder.py: 对YOLO v2模型的预测输出进行解码；yolov2_trainer.py: 构造YOLO v2检测器模型；yolov2_loss.py: YOLO v2的损失函数；yolov3_post_process.py：YOLO v2后处理，预测和测试的时候用。
configs.py: 配置文件；run.py: 启动脚本；
标签文件格式内容为：
image_path x0 y0 w0 h0 cls0 ...
其中，image_path是图片相对路径，会拼接上configs.py中的FLAGS.train_set_dir（测试的话则是FLAGS.test_set_dir）；
x0 y0 w0 h0是归一化后的待检测物品中心点坐标、宽高，归一化也就是 实际尺寸/图片尺寸；
cls0是图片类别，即使是单类别且不计算类别损失，该位也必须存在（可以任意值）。
前者是多类别的目标检测，后者主要是单类别的目标检测。
后续省略号表示多个待检测对象的标签x0 y0 w0 h0 cls0。
MixNet是Google在轻量级网络结构上探索的又一成果。
2019-05 Google将NAS用到了轻量级网络结构的搜索上，得到MnasNet，也就是MobileNet v3 （Searching for MobileNetV3)。 论文中的启示可能有：
- 沿用了MobileNet v2的基本结构块：x6通道数的1x1卷积，步长为2的3x3 depthwise卷积，/2通道数的1x1线性卷积；
- 基于squeeze and excitation结构的轻量级注意力模型；
- 使用 h-swish激活函数（hard swish）：(x * ReLU6(x+3)) / 6；
- 手工微调网络开端和结尾这两个开销比较大的部分。
2019-07 针对kernel size的影响进行了系统性研究，观察 multiple kernel sizes 的融合可以带来精度和效率上的提升， 也就是 mixed depthwise convolution (MixConv, 论文 MixConv: Mixed Depthwise Convolutional Kernels)。 然后将其集成到AutoML的搜索空间中，最终得到MixNets轻量网络结构体系（论文结果优于MobileNet v3）。 启示可能包括（沿用MobileNet v2/v3的基础模块结构）：
- 加上了分组卷积的思维：在前后两个1x1卷积中进行了分组操作；
- 将中间的3x3卷积模块替换为MixConv：有
[16, 8, 4, 4]比例的4组[3, 5, 7, 9]卷积核尺寸； - 若卷积核太大，计算量不太可承受，可考虑使用dilated convolution。
我在backbone中实现的MixNet并不是论文中的网络结构，而是使用了MixConv不同卷积核尺寸的**构造的网络。
- RAdam;
- 多尺度输入;
- mixup;
- focal loss;
- GHM损失函数;
- GIOU;
- TIOU-Recall;
- Guassian YOLO;
- 模型测试，计算mAP；Cartucho/mAP
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent