YOLO---多个版本的简单认识
YOLOv3 有好几个经典版本了：
一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet
二、YOLOv3（darknet优化了）@ https://github.com/AlexeyAB/darknet
三、YOLOv3 with OpenCV官网 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3
四、其他github上有tensorflow、caffe、keras、pytorch等版本，略。
引用：
windows版本：请参考 https://github.com/AlexeyAB/darknet
linux版本：请参考 https://pjreddie.com/darknet/yolo
简介
一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet
一开始github上最热的开源项目，在linux系统下做的，现在各个大神改版也有在windows下使用了。
下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、...
依赖环境：C++、OpenCV、python、...
编译情况：下载源文件，需要make进行编译后，才能使用
支持：linux系统（最先支持） + windows + CPU + GPU(可适用于英伟达)
（1）源码的常用执行命令：
u@u1604:~/darknet$ (1)测试一张图片---detect ./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/person.jpg ./darknet detector test cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights data/person.jpg (2)测试本地视频---demo ./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights wp_video/person002.mp4 (3)测试usb视频--- ./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights (4)测试rstp视频--- ./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0 -thresh 0.25 ./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0 -----------to test many pics------------------------ ./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 2 #CPU enter Enter Image Path: ./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 0 #GPU enter Enter Image Path:
（2）自写python接口文件，执行：
python2 xx.py
python3 xx.py
二、YOLOv3（darknet优化了）@ https://github.com/AlexeyAB/darknet
一开始github在windows系统下做的，现在各个大神改版也有在linux下使用了。
下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、...
依赖环境：C++、OpenCV、python、...
编译情况：下载源文件，需要make进行编译后，才能使用
支持：windows系统（最先支持） + linux + CPU + GPU(可适用于英伟达)
基本使用命令同《一、YOLOv3 (Darknet）官网》，但部分有少许差别
. AlexeyAB改进项 提供window支持 相较于原版pjreddie版本darknet提升了训练速度 添加了二值化网络，XNOR(bit) ，速度快，准确率稍低https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov3-tiny_xnor.cfg 提升7%通过将卷积层和BN层合并为一个（*_*）不太懂。 多GPU训练提升 修补了[reorg]层 添加了mAP, IOU，Precision-Recall计算 darknet detector map... 可以在训练过程中画loss图像 添加了根据自己数据集的anchor生成 提升视频检测，网络摄像头，opencv相关问题 提出了一个INT8的网络，提升了检测速度，但是准确率稍有下降 https://github.com/AlexeyAB/yolo2_light @ https://www.cnblogs.com/pprp/p/10204480.html#alexeyab%E6%94%B9%E8%BF%9B%E9%A1%B9
三、YOLOv3 with OpenCV官网 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3
下载并备齐：yolov3.weights权重文件、yolov3.cfg网络构建文件、coco.names、xxx.jpg、xxx.mp4文件、object_detection_yolo.cpp、object_detection_yolo.py等文件；
依赖环境：C++的编译环境（如G++/VScode）、OpenCV3.4.2+(记住安装目录)
编译情况：下载源文件，无需复杂的编译，直接修改进行应用
支持：windows + linux + CPU + GPU(只适用于英特尔)
（1）在OpenCV中使用YOLOv3, 可以在windows下+ ubuntu下使用。
（2）windows下，之前做，object_detection_yolo.cpp是在Visual Studio（VS）下编译的。
（3）ubuntu下，这次，object_detection_yolo.cpp是g++编译的。
（3）OpenCV的DNN，GPU仅使用英特尔的GPU进行测试，因此如果没有英特尔GPU，代码会将您切换回CPU。
使用：
（1）object_detection_yolo.cpp，执行：
编译，g++ `pkg-config opencv --cflags` object_detection_yolo.cpp -o object_detection_yolo `pkg-config opencv --libs` -std=c++11
测试，a single image:
./object_detection_yolo --image=./data/1.jpg
a video file:
./object_detection_yolo --video=./data/run.mp4
（2）object_detection_yolo.py，执行：
a single image:
python3 object_detection_yolo.py --image=bird.jpg
a video file:
python3 object_detection_yolo.py --video=run.mp4
最后，三者的区别，还没太细细研究。pjreddie/darknet、AlexeyAB/darknet 、YOLOv3 with OpenCV三者的计算效率和准确率，还未做对比。这几天，本来想对比一下运行时间，但没太注意时间函数的放置位置，测试的时间貌似没有可比性。整个工程的运行时间，可能对工程最具时间说服价值，太耗时，以后有机会有需要在细细研究。
从运行的直观观测上，GPU > CPU，C++ > Python，耗时的具体数值暂不做研究。附上：这几天的测试时间，作对比可能不具有太大的价值；网上网友分享的资源。
测试环境：ubuntu16.04 + Intel® Core™ i7-8700K CPU @ 3.70GHz × 12 + NVIDIA GTX 2080 TI
