[人工智能][深度学习 - 目标检测] YOLO系列(五）：YOLO-V3源码解析：标签文件读取与处理

源码：datasets.py

1. 获取图片路径；

def __getitem__(self, index):
    img_path = self.img_files[index % len(self.img_files)].rstrip()

2. 读取图片，转为RGB格式，并且数据格式转为tensor；

img = transforms.ToTensor()(Image.open(img_path).convert('RGB'))

3. 数据预处理，如果数据不是三个channels,转换成三个；

if len(img.shape) != 3:
   img = img.unsqueeze(0)
   img = img.expand((3, img.shape[1:]))

4. 数据如果不是正方形的，做pad处理，长方形转成正方形，缺失的做一个填补；

_, h, w = img.shape
h_factor, w_factor = (h, w) if self.normalized_labels else (1, 1)
# Pad to square resolution
img, pad = pad_to_square(img, 0)
_, padded_h, padded_w = img.shape

5. 读取标签；

 # ---------
 #  Label
 # ---------

label_path = self.label_files[index % len(self.img_files)].rstrip()
label_path = 'E:\\eclipse-workspace\\PyTorch\\PyTorch-YOLOv3\\data\\coco\\labels' + label_path
#print (label_path)
        
targets = None
if os.path.exists(label_path):
      boxes = torch.from_numpy(np.loadtxt(label_path).reshape(-1, 5))

6. 得到当前坐标;

 # Extract coordinates for unpadded + unscaled image
 x1 = w_factor * (boxes[:, 1] - boxes[:, 3] / 2)
 y1 = h_factor * (boxes[:, 2] - boxes[:, 4] / 2)
 x2 = w_factor * (boxes[:, 1] + boxes[:, 3] / 2)
 y2 = h_factor * (boxes[:, 2] + boxes[:, 4] / 2)

7. 因为图像上面做了pad处理，长方形变成了正方形，所以标签数据集的坐标也要做一下处理；

 # Adjust for added padding
 x1 += pad[0]
 y1 += pad[2]
 x2 += pad[1]
 y2 += pad[3]

8. yolo-v3的论文中，我们要预测的标签值不是x1、y1、x2、y2,而是一个中心点和w、h,所以要进行转换；

• targets中就存了所需要的坐标；

# Returns (x, y, w, h)
boxes[:, 1] = ((x1 + x2) / 2) / padded_w
boxes[:, 2] = ((y1 + y2) / 2) / padded_h
boxes[:, 3] *= w_factor / padded_w
boxes[:, 4] *= h_factor / padded_h

targets = torch.zeros((len(boxes), 6))
targets[:, 1:] = boxes

9. 选择是否做图像增强；

• 做镜面变换；

  # Apply augmentations
        if self.augment:
            if np.random.random() < 0.5:
                img, targets = horisontal_flip(img, targets)

10. 返回图片路径，图像数据，pad变换后的坐标;

• 一轮循环结束,返回 1;

 return img_path, img, targets