Darknet--YOLO的基本使用

安装Darknet

Darknet--YOLO的基本使用

测试图片

Joseph大佬已经训练好了一个权重， 我们要拿来用吧。

wget https://pjreddie.com/media/files/yolov3.weights # yolov3权重
wget https://pjreddie.com/media/files/yolov3-tiny.weights  # 小的yolov3权重

由于一些原因，下载速度可能非常慢，我保存了。
链接: https://pan.baidu.com/s/1rX5IY-FtBIrNABObzsLp-A 提取码: 2us8
虽然百度云也慢的不行。。链接失效了， 嫌百度云速度慢，留个邮箱吧。

检测一张图片吧，注意权重文件的路径

./darknet detect cfg/yolov3-tiny.cfg yolov3.weights data/dog.jpg

cpu上一张图片大概十秒吧，GPU就快得很了。
如果没有编译opencv， 那么最终结果是这样的

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs
    .......
  105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
  106 detection
truth_thresh: Using default '1.000000'
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.029329 seconds.
dog: 99%
truck: 93%
bicycle: 99%

结果保存在了predictions.png。编译了opencv才会直接显示图片， 中间出现了一堆窗口？那就对了！让你看懂YOLO咋工作的。

还可以这样做。

./darknet detect cfg/yolov3.cfg yolov3.weights

然后会提示让你输入图片的路径。

./darknet detect cfg/yolov3.cfg yolov3.weights
layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs
    .......
  104 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256  1.595 BFLOPs
  105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
  106 detection
Loading weights from yolov3.weights...Done!
Enter Image Path:

输入图片路径就可以啦。

关于Thresh， YOLO只会展示确信值高于0.25的对象。

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0 # 你可以设置为0， 或者任意0-1的值

测试视频

测试视频必须要编译opencv了。把Makefile中的opencv=0 改成 opencv = 1。
这是我[安装opencv c++的过程] (https://www.cnblogs.com/hichens/p/12665897.html)
最好再GPU下测试， CPU， 嘿嘿，谁试谁知道。

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file> # <video file>是视频问价的路径
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -c num # num 是电脑摄像头（webcam）的代号， 默认为 0

参考

YOLO: Real-Time Object Detection