基于darknet部署yolov3-tiny ros结合yolov3-tiny目标检测 Ubuntu下使用yolov3-tiny

目录

1、下载Darknet源码并编译

2、创建opencv4的软链接

3、编译darknet

4、测试

5、用yolov2-tiny识别

---

1、下载Darknet源码并编译

git clone https://gitee.com/bingda-robot/darknet.git

• 验证cuda是否安装：

ls -l /usr/local |grep cuda

• 查看opencv的版本：

opencv_version

• 查看opencv的库文件：

ls -l /usr/include |grep opencv

• 

  2、创建opencv4的软链接

sudo ln -s /usr/include/opencv4/ /usr/include/opencv
# 再次查看opencv的库文件，此时多了include下的opencv4
ls -l /usr/include |grep opencv 

3、编译darknet

cd darknet
make

4、测试

4.1 Ubuntu终端测试

./darknet

• 测试能不能运行,出现如下提示表示编译成功

• 其中可下载下列文件进行检测：

# yolov3-tiny权重文件下载
wget https://pjreddie.com/media/files/yolov3-tiny.weights
# yolo系列的权重文件下载地址
wget https://pjreddie.com/darknet/yolo/

• 如果通过命令行方式登陆,则运行目标检测命令：

# 运行一个网络，加载一个图片，识别图片中的物体
./darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg ./yolov3-tiny.weights data/dog.jpg

4.2 使用远程桌面NoMachine软件测试

由于Ubuntu终端检测目标不能可视化，所以我在远程桌面NoMachine软件终端也做了测试。

4.2.1 识别图片

cd darknet
./darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg ./yolov3-tiny.weights data/dog.jpg

 

4.2.2 识别视频

cd data/
ls  #查看里面的street.mp4
cd darknet
./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg ./yolov3-tiny.weights data/street.mp4

4.2.3.捕获摄像头画面做识别

ls /dev/ # 检查是否有摄像头
./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg ./yolov3-tiny.weights

 

5、用yolov2-tiny识别

• 进入yolo官网：pjreddie.com/darknet/yolo/，右击复制下图weights的链接。

• 在darknet文件夹下下载Tiny YOLO

cd darknet
wget https://pjreddie.com/media/files/yolov2-tiny.weights
ls
cd cfg/ 查看需要的配置文件
ls

• 这时来使用yolov2-tiny做测试：

./darknet detector demo cfg/coco.data cfg/yolov2-tiny.cfg ./yolov2-tiny.weights data/street.mp4