我正在尝试将Yolo（微小）用于BW图像。我想从预先训练好的网络开始，然后再进一步训练。
Tiny Yolo weigths： https://pjreddie.com/media/files/yolov2-tiny-voc.weights
Tiny Yolo cfg文件： https://github.com/pjreddie/darknet/blob/master/cfg/yolov2-tiny-voc.cfg
Tiny Yolo标签（20）： https://github.com/pjreddie/darknet/blob/master/examples/yolo.c
from darkflow.net.build import TFNet
import cv2
import numpy as np
import tensorflow as tf
options = {"model": "cfg/yolov2-tiny-voc.cfg", "load": "yolov2-tiny-voc.weights"}
tfnet = TFNet(options)
imgcv = cv2.imread("sample_img/sample_dog.jpg")
fig = plt.figure(1)
fig.gca().imshow(imgcv)
result = tfnet.return_predict(imgcv)
print(result)
然后我尝试使用B＆amp; W图像（仅在此示例中使用红色通道）
imgcvbw = np.stack((imgcv[:,:,0],imgcv[:,:,0],imgcv[:,:,0]),axis=2)
result = tfnet.return_predict(imgcvbw)
print(result)
效果很好。现在我想仅使用1个通道的输入。
为此，我修改了\darkflow\net\yolo\predict.py以处理单通道图像：
第20行：imsz = imsz[:,:,::-1]
变
if imsz.ndim<2:
imsz = imsz[:,:,np.newaxis]
else:
imsz = imsz[:,:,::-1]
我加载了新版本的网络，在配置文件中，＆＃39; channel＆＃39;已被设置为1（这是唯一的区别）：
options2 = {"model": "cfg/yolov2-tiny-voc_1channel.cfg",
"load": "yolov2-tiny-voc.weights"}
tfnet2 = TFNet(options2)
我得到原始网络的第一个卷积层的权重和偏差：
weights = tfnet.sess.run(tfnet.darknet.layers[0].w['kernel'])
biases = tfnet.sess.run(tfnet.darknet.layers[0].w['biases'])
通常，如果我要取三个通道的权重之和，我的第一个卷积的输出，仅在红色通道上，应该在数学上是相同的
sumweights = np.sum(weights,axis=2)[:,:,np.newaxis,:]
tfnet2.sess.run(tf.assign(tfnet2.darknet.layers[0].w['kernel'], sumweights , validate_shape=True))
tfnet2.sess.run(tf.assign(tfnet2.darknet.layers[0].w['biases'], biases, validate_shape=True))
其余的都不应该改变，所以它应该仍然输出相同的结果，但它不会：
imgcvbw1 = (imgcv[:,:,0])[:,:,np.newaxis]
result = tfnet2.return_predict(imgcvbw1)
print(result)
我检查了所有其他图层都已正确加载并且是相同的，我认为在执行时我得到了奇怪的值：
im = np.copy(imgcvbw1)
h, w, _ = im.shape
im = tfnet2.framework.resize_input(im)
this_inp = np.expand_dims(im, 0)
feed_dict = {tfnet2.inp : this_inp}
weights2 = tfnet2.sess.run('0-convolutional/kernel/Assign:0', feed_dict = feed_dict)
但我不会忘记为什么或如何改变... 知道为什么不呢？我错过了某个地方的东西？ 谢谢你的帮助