YOLO v1v2v3v4 目标检测以及Darknet学习资源总结

学习YOLO的过程中看到的写的比较好的文章，总结一下 😄

YOLO的论文全部可以在arxiv下载的到，下载速度太慢的朋友可以试试arxiv的国内镜像：
http://cn.arxiv.org/
下载的时候只需要把网址的前缀改成这个，就能快速下载了

关于Darknet

Darknet是YOLO原作者开发的一个比较小众的框架，由C和C++编写而成，也支持Python库的调用，优点是操作简便（至少在成功安装之后非常简便），新手使用cmd可以一键训练和一键测试。

关于下载Darknet：
https://github.com/AlexeyAB/darknet
这个是YOLO v4的作者AB编写的程序，可以兼容v3v2，事实上老版本的darknet已经很少有人用了
https://github.com/AlexeyAB?tab=stars
这个是YOLO在不同框架的部署

关于Darknet安装：
1. 使用Cygwin进行make操作
2. 使用VS2017
3. 使用VS2017

Darknet训练：
https://blog.csdn.net/u011573853/article/details/106403797
这篇文章写的很不错，有命令的使用方法以及数据集的处理方法，但不知道为什么原作者贴出的代码在我这里并没有成功运行，所以数据集处理这种事情还是亲历亲为比较好

在安装和调试Darknet的过程中也走了不少弯路踩了不少坑，刚开始使用GCC进行make，一直没成功，最后换了Visual Studio 2017之后成功编译=_=，以后有时间专门写篇关于Darknet安装的文章。反正个人的感想就是如果装软件没能成功，那就多看点网站多试几次，最后一定能成的。。。

安装成功时的软件版本：
Python == 3.6.1
CUDA == 10.1.105
cuDNN == 8.0.2.39
CMake == 3.18.1
OpenCV == 3.4.0 （未安装opencv_contrib）
Visual Studio == VS2017 (15.9.26，v140C++工具集)
最开始安装了VS2019，结果报各种莫名其妙的错误，装了v140的C++工具集还是报错，所以请慎重使用

YOLO v1

（图源https://www.cnblogs.com/fariver/p/7446921.html）

论文 You Only Look Once: Unified, Real-Time Object Detection（翻译： https://zhuanlan.zhihu.com/p/25045711 ）
https://blog.csdn.net/leviopku/article/details/82588059 (短，分析多)
https://blog.csdn.net/qq_28123095/article/details/80052308 (有错误，含训练方法)
https://www.cnblogs.com/fariver/p/7446921.html (详细，分析多)
https://blog.csdn.net/qq_38232598/article/details/88695454 (超详细，没看完)

YOLO v2

论文 yolo9000: Better, Faster, Stronger （翻译： https://www.jianshu.com/p/9bb7d2c2b083 ）
https://blog.csdn.net/leviopku/article/details/82588959 (详细，但不全)
https://www.cnblogs.com/fariver/p/7446921.html (网页下面，不全)
https://blog.csdn.net/hysteric314/article/details/53909408 (主要是论文翻译)

YOLO v3

https://blog.csdn.net/leviopku/article/details/82660381 (详细)
https://www.jianshu.com/p/c18479e0e28e (不全)
YOLO v3tiny:
https://www.jianshu.com/p/c18479e0e28e (不全) https://blog.csdn.net/avideointerfaces/article/details/101455360 (不全)

YOLO v4

https://blog.csdn.net/rock4you/article/details/106012295 （论文翻译及各框架实现）
https://zhuanlan.zhihu.com/p/150127712 （网络结构，结合代码，详细） https://zhuanlan.zhihu.com/p/159209199 （损失函数，结合代码，详细）

其它

https://blog.csdn.net/App_12062011/article/details/77554288 （v1v2v3）
https://zhuanlan.zhihu.com/p/136382095 （v1v2v3v4v5）
https://www.zhihu.com/question/19645541 （精确率，召回率）
https://blog.csdn.net/hysteric314/article/details/54093734 （Precision-recall 曲线）
https://www.cnblogs.com/Zhi-Z/p/8728168.html （精确率，准确率，召回率，综合评价指标F值）
https://blog.csdn.net/fuhanga123/article/details/88825437 （batch, epoch, iteration）
http://blog.sina.com.cn/s/blog_9db078090102whzw.html （mAP）