YAD2K：又一个 Darknet 转 Keras 的实现

欢迎使用 YAD2K

你只看一次，却一遍又一遍地重新实现神经网络。

YAD2K 是 YOLO_v2 的一种 90% Keras/10% Tensorflow 实现。

原始论文：Joseph Redmond 和 Ali Farhadi 的 YOLO9000: 更好、更快、更强。

---

需求

• Keras
• TensorFlow
• NumPy
• h5py（用于 Keras 模型序列化）
• Pillow（用于渲染测试结果）
• Python 3
• pydot-ng（可选，用于绘制模型）

安装

git clone https://github.com/allanzelener/yad2k.git
cd yad2k

# [选项 1] 复制 conda 环境：
conda env create -f environment.yml
source activate yad2k
# [选项 2] 全局安装所有依赖。
pip install numpy h5py pillow
pip install tensorflow-gpu  # 仅 CPU：conda install -c conda-forge tensorflow
pip install keras # 或许是旧版本：conda install keras

快速开始

• 从 官方 YOLO 网站 下载 Darknet 模型的 cfg 文件和权重文件。
• 将 Darknet YOLO_v2 模型转换为 Keras 模型。
• 在 images/ 中的小型测试集上测试转换后的模型。

wget http://pjreddie.com/media/files/yolo.weights
wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/yolo.cfg
./yad2k.py yolo.cfg yolo.weights model_data/yolo.h5
./test_yolo.py model_data/yolo.h5  # 输出在 images/out/

更多选项请参阅 ./yad2k.py --help 和 ./test_yolo.py --help。

---

更多细节

目前 YAD2K 转换器仅支持 YOLO_v2 风格的模型，包括以下配置：darknet19_448、tiny-yolo-voc、yolo-voc 和 yolo。

yad2k.py -p 会生成所生成 Keras 模型的图表。例如，请参阅 yolo.png。

YAD2K 假设 Keras 后端为 TensorFlow。特别是对于带有直通层的 YOLO_v2 模型，YAD2K 使用 tf.space_to_depth 来实现直通层。评估脚本也直接使用 TensorFlow 张量，并使用 tf.non_max_suppression 作为最终输出。

voc_conversion_scripts 包含两个脚本，用于将 Pascal VOC 图像数据集及其 XML 注释转换为 HDF5 或 TFRecords 格式，以便于使用 Keras 或 TensorFlow 进行训练。

yad2k/models 包含 Darknet-19 和 YOLO_v2 的参考实现。

train_overfit 是一个示例训练脚本，用于将 YOLO_v2 模型过拟合到 Pascal VOC 数据集中的一张图像。

已知问题与待办事项

• 扩展示例训练脚本，以在完整数据集上训练 YOLO_v2 参考模型。
• 支持更多类型的 Darknet 层。
• 尽可能使用 Keras 封装来隐藏 TensorFlow 的依赖。
• YOLO_v2 模型不支持全卷积模式。当前实现假设输入图像的宽高比为 1:1。

往昔的 Darknets

YAD2K 站在巨人的肩膀上。

• :fire: Darknet :fire:
• Darknet.Keras - YOLO_v1 的原始 D2K 实现。
• Darkflow - 直接将 Darknet 转换为 TensorFlow。
• caffe-yolo - 将 YOLO_v1 转换为 Caffe。
• yolo2-pytorch - PyTorch 中的 YOLO_v2。

---

YAD2K 快速上手指南

YAD2K (Yet Another Darknet 2 Keras) 是一个将 YOLO_v2 模型从 Darknet 框架转换为 Keras/TensorFlow 实现的工具。它基于 Keras (90%) 和 TensorFlow (10%) 构建，适合希望在 Keras 生态中使用 YOLO_v2 的开发者。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux / macOS / Windows
• Python 版本: Python 3
• 核心依赖:
  • Keras
  • TensorFlow (后端必须为 TensorFlow)
  • Numpy
  • h5py (用于模型序列化)
  • Pillow (用于渲染测试结果)
• 可选依赖:
  • pydot-ng (用于绘制模型结构图)

注意：YAD2K 强依赖 TensorFlow 后端，特别是对于包含 passthrough 层的 YOLO_v2 模型，底层使用了 tf.space_to_depth 和 tf.non_max_suppression。

安装步骤

1. 克隆项目

首先从 GitHub 克隆源代码：

git clone https://github.com/allanzelener/yad2k.git
cd yad2k

2. 配置依赖环境

您可以选择以下两种方式之一进行安装：

方式一：使用 Conda 复现环境（推荐） 如果您使用 Anaconda 或 Miniconda，可以直接创建隔离环境：

conda env create -f environment.yml
source activate yad2k
# Windows 用户使用: conda activate yad2k

方式二：全局安装 (pip) 如果您希望在全局环境中安装，请执行以下命令。 注：国内用户建议使用清华源或阿里源加速安装。

# 安装基础依赖
pip install numpy h5py pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 TensorFlow (GPU 版本)
# 若仅需 CPU 版本，可使用: conda install -c conda-forge tensorflow
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Keras
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

以下是将官方 Darknet 模型转换为 Keras 模型并进行测试的最简流程。

1. 下载官方模型文件

从 YOLO 官方网站下载配置文件 (.cfg) 和权重文件 (.weights)：

wget http://pjreddie.com/media/files/yolo.weights
wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/yolo.cfg

(注：如果下载速度慢，可手动在浏览器下载后放入当前目录)

2. 转换模型

运行转换脚本，将 Darknet 格式转换为 Keras 的 .h5 格式：

./yad2k.py yolo.cfg yolo.weights model_data/yolo.h5

3. 测试模型

使用生成的 Keras 模型对 images/ 目录下的测试图片进行推理，结果将输出到 images/out/：

./test_yolo.py model_data/yolo.h5

进阶提示

• 查看帮助：输入 ./yad2k.py --help 或 ./test_yolo.py --help 查看更多参数选项。
• 可视化模型：使用 -p 参数可生成模型结构图（需安装 pydot-ng）：

  ./yad2k.py -p yolo.cfg yolo.weights model_data/yolo.h5
  

• 支持配置：目前支持 darknet19_448, tiny-yolo-voc, yolo-voc, 和 yolo 等 YOLO_v2 风格的配置。