import?tensorflow?as?tf
import?numpy?as?np
from?PIL?import?Image?ImageDraw?ImageFont
import?time
import?os
import?colorsys


def?get_anchors（anchors_path）:
????anchors_path?=?os.path.expanduser（anchors_path）
????with?open（anchors_path）?as?f:
????????anchors?=?f.readline（）
????anchors?=?[float（x）?for?x?in?anchors.split（‘‘）]
????return?np.array（anchors）.reshape（-1?2）


def?get_class（class_path）:
????class_path?=?os.path.expanduser（class_path）
????with?open（class_path）?as?f:
????????class_names?=?f.readlines（）
????class_names?=?[c.strip（）?for?c?in?class_names]
????return?class_names


def?print_tensor_info（tensor）:
????#?print（tensor.name?““?tensor.dtype?“shape=“?tensor.get_shape（）.as_list（））
????return


def?bn_layer（tensor?name=“BatchNormal“?moving_decay=0.9?eps=5e-4?is_trainning=False）:
????shape?=?tensor.get_shape（）.as_list（）
????param_shape?=?shape[-1]
????with?tf.variable_scope（name）:
????????#?聲明BN中唯一需要學習的兩個參數
????????gamma?=?tf.get_variable（
????????????“gamma“?shape=param_shape?dtype=tf.float32
????????????initializer=tf.constant_initializer（1）
????????）
????????beta?=?tf.get_variable（
????????????“beta“?shape=param_shape?dtype=tf.float32
????????????initializer=tf.constant_initializer（0）
????????）
????????#?計算整個batch的均值與方差
????????axies?=?list（range（len（shape）?-?1））
????????batch_mean?batch_var?=?tf.nn.moments（tensor?axies?name=“moments“）
????????#?使用滑動平均值更新均值與方差
????????ema?=?tf.train.ExponentialMovingAverage（moving_decay）
????????ema_apply_op?=?ema.apply（[batch_mean?batch_var]）

????????def?mean_var_with_update（）:
????????????with?tf.control_dependencies（[ema_apply_op]）:
????????????????return?tf.identity（batch_mean）?tf.identity（batch_var）

????????#?訓練時，更新均值與方差，測試時使用之前最后一次保存的均值與方差
????????mean?var?=?tf.cond（
????????????tf.equal（is_trainning?True）?mean_var_with_update
????????????lambda:?（ema.average（batch_mean）?ema.average（batch_var））
????????）
????????return?tf.nn.batch_normalization（tensor?mean?var?beta?gamma?eps?name=“normalize“）


def?inference（input_tensor）:
????outputs?=?[]
????with?tf.variable_scope（“Conv2d_1“）:
????????#?創建卷積核
????????kernel?=?tf.get_variable（
????????????“kernel“?shape=[3?3?3?16]?dtype=tf.float32
????????????initializer=tf.truncated_normal_initializer（stddev=0.1））
????????#?進行卷積運算，對卷積后的結果進行批歸一化
????????conv?=?tf.nn.conv2d（input_tensor?kernel?[1?1?1?1]?padding=“SAME“）
????????normalize_tensor_1?=?bn_layer（conv）
????????#?使用激活函數對結果進行非線性處理
????????conv_1?=?tf.nn.leaky_relu（normalize_tensor_1?alpha=0.1?name=“leaky_relu“）
????????print_tensor_info（conv_1）
????with?tf.variable_scope（“Max_pooling2d_1“）:
????????pool_1?=?tf.nn.max_pool（
????????????conv_1?ksize=[1?2?2?1]?strides=[1?2?2?1]?padding=“VALID“?name=“maxpool“
????????）
????????print_tensor_info（pool_1）
????with?tf.variable_scope（“Conv2d_2“）:
????????kernel?=?tf.get_variable（
????????????“kernel“?shape=[3?3?16?32]?d

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????21540??2018-11-09?15:14??yolov3_tiny_weights.py

?????文件???35434956??2018-05-10?17:20??yolov3-tiny.weights

-----------?---------??----------?-----??----

?????????????35456496????????????????????2