1-1.nilboy的tensorflow-yolo代码的宏观分析

0.摘要

因为最近要写关于目标检测的论文，想先跑个实验看看效果，于是找到了nilboy的代码，想先总结并谈谈个人的一些思考。

首先，如何安排一个项目的文件结？也就是要想想文件夹、子文件夹、文件、文件里的类和文件里的方法所负责的功能。

其次，用什么样的数据结构取存放数据更加高效合理？

1.使用配置文件来固化参数

各模块中都有常量，如何将这些常量统一到一个地方，想用时可以直接取，可以使用配置文件来统一管理。

2.使用面向对象的思想（类、对象和继承）

类内做到高聚合，类间做到松耦合。

3.数据处理使用多线程

为发挥多核CPU的优势，在处理数据的时候使用多线程，主要用到的地方  将数据加到队列中和对队列中的数据进行操作。

4.特征网络和损失函数的构建

　　

5.训练

6.测试

1. 测试图片使用网络得到预测结果（predicts）
2. predicts是一个（1,7,7,30）的张量，其中有30个子张量，（1）其中前20个为类别的概率，（2）中间2个子张量为边缘框的概率，（3）最后8个子张量为边缘框的坐标。其中（1）和（2）构成一个（7，7，2，20）的张量，表示每个边缘框中可能含有何种类别的对象。找出最有可能含有对象的框后，将对应的坐标做相应转换，输出成原图坐标。
3. 使用cv2将原图的坐标可视化到图片上

7.存在问题