目录
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