YOLOv3代码详解：
一、预测过程：
1.网络结构的定义：
网络最后得到的detect_1,detect_2,detect_3.
三个尺度的形状分别为：[1, 507（13X13X3）, 5+c]、[1, 2028, 5+c]、[1, 8112, 5+c]
其中Yolo_block是一个正常卷积(不改变图像大小)组成的模块，生成route和inputs两个结果，route 用于配合下一个尺度的特征一起计算，返回值inputs用于输入检测层进行bbox_atrrs单元的计算。
detect_layer为检测层，这里用到了候选框，来自于训练数据集的样本。在模型训练时，需要对数据集的标注样本进行聚类分析，得到具体尺寸，代表目标样本中最常见的尺寸，在训练或者模型测试时，将尺寸数据作为先验知识一起放到模型里，可以提高模型准确率。
#定义候选框，来自coco数据集
这一部分需要重点理解：
候选框的个数怎么定，其数量的大小对结果有怎样的影响？
def
2.预训练权重的加载：
该文件是二进制格式.weights,文件前5个int32值是标题信息，标题之后是网络的权重
#加载权重
这里返回的assign_ops是各种tf.assign()操作的list，在session中run(load_ops)，可以将权重值付给模型中的各变量。
3.使用NMS方法，对结果去重
因为是检测模块生成的是中心点、宽和高的形式，需要其进行转化，将中心点、高、宽坐标 转化为[x0, y0, x1, y1]坐标形式：
def
从检测层一张图片可以检测出[1, 507（13X13X3）, 5+c] + [1, 2028, 5+c] + [1, 8112, 5+c],三个尺度，一共10647个结果，其中很可能出现重复的物体，为保留检测结果的唯一性，得用非极大值抑制方法对10647个结果进行去重：
1）从所有的检测框找到置信度较大（置信度大于某个阈值）的那个框 2）挨个计算其与剩余框面积的重叠度（intersection over union,IOU） 3)按照IOU阈值过滤，如果大于一定阈值（重合度过高），将该框剔除 其中，置信度阈值和iou阈值需要提前给出
#使用NMS方法，对结果去重
其中用到的iou计算函数：
#定义函数计算两个框的内部重叠情况（IOU）box1，box2为左上、右下的坐标[x0, y0, x1, x2]
4.图片检测结果的显示：
#将级别结果显示在图片上
二、训练过程：
1.训练样本的准备：
1.1 读取样本信息
这里的数据集是VOC2007，主要是读取.jpg读片文件获取图像信息，然后通过解析.xml文件获取每个标注框包含位置信息和类别信息。
首先得到的是.xml文件的路径列表，包含了所有.xml文件的路径，
#定义样本路径
每个.xml包含了对应.jpg图像的文件名，结合图像文件夹的路径，可以获得.xml文件对应的.jpg图片文件的路径。一张图片里包含多张标注框（boxes）,每个标注框包含位置信息和类别信息
image_name, boxes, coded_labels = parse_annotation(self.ann_names[self._index], self.img_dir, self.lable_names)
图片信息和标注框的信息经过image augment和resize后，生成新的尺寸下的图片和标注框信息。
def
至此，一张图片的信息读取和预处理的过程已经完成，得到三样信息
1）图片 1张
2）多个标注框的位置
3）多个标注框所包含目标的类别
现在要做的是怎样把这三类信息转化成yolo-v3需要的训练数据(主要是标签信息)。
1.2制作标签
得到样本信息后，现在要做的是怎样把这三类信息转化成yolo-v3需要的训练数据(主要是标签格式)。
YOLO_V3网络最后输出三个尺度的信息，以416*416大小的图片为例，将它输入yolo_v3网落，最后得到的输出为三个大小为[batch_size, 13X13X3, 5+20],[batch_size, 26X26X3, 5+20],[batch_size,52X52X3, 5+20], 需要得到3个大小（指各维度上的大小总乘积，因为在计算loss的时候，可以用reshape的方法使得标签值和预测值的shape一致）和预测值一样的标签格式。
1）将标签设置成3个尺度的矩阵，每个尺度下对应三个不同大小的候选框，也就是一共9个候选框，它们由数据集中所有标注框的大小进行聚类得到的聚类中心。
2）每个矩阵的高和宽分别和模型的三个输出尺度相同，13x13,26x26,52x52
3）每个矩阵中的点可以看成一个格子
4)每个尺度下对应3个不同大小的候选框，也就是一共9个候选框，它们由数据集中所有标注框的大小进行聚类得到的聚类中心。
5)每个格子中包含这个尺度下对应的三个候选框的信息
6）每个候选框的信息包括了中心点的坐标、高和宽(标注框相对候选的缩放比例值)、属于该分类的概率（置信度）、该分类的one-hot编码。)
具体过程：
1）构造3个矩阵当作标签放置的容器，每个的大小如上所示,并向这三个矩阵填充0作为初始值。shape = 【13，13, 3，5+20】
2）根据标注框的物体的高和宽的尺寸，找到与之最为接近的候选框，根据这些候选框对应的索引值，可以知道它对应矩阵（1个矩阵对应3个候选框）的索引值，以及它在矩阵中的索引值。
3）计算物体在矩阵上的中心点的位置，以及相对于候选框的缩放比例值
4）按照相应的索引值，定位到相应矩阵的相应位置，将候选框的信息填入其中。
最后的结果：
假设有1张图片，上面有4个标注框，最后得到的标签结果是，在3个矩阵的候选框维度上(一共9维)，只有4维的信息是对应的标注框信息填充值，其它维度上都是初始填充值0.
1.3 构建YOLO_v3模型
在预测过程中已经阐述过了，最后的得到三个尺寸的预测结果，和预测过程不同的是，不用concate三个尺寸的结果已经进行NMS去重
1.4 损失函数的计算：
import
