YOLO: Real-Time Object Detection深度网络: 在Darknet上的实现方式

YOLO: Real-Time Object Detection深度网络: 在Darknet上的实现方式

 YOLO是一个最先进的实时对象检测系统，YOLO的升级版有两种：YOLOv2和YOLO9000[链接]。YOLO的发展主要有两个大方面的改进（1）是采用了一系列的方法优化YOLO的模型结构，产生了YOLOv2，在快速的同时准确率达到state of the art。同时，YOLOv2可以适应不同的输入尺寸，根据需要调整检测准确率和检测速度。（2）是采用wordtree的方法，综合ImageNet数据集和COCO数据集，采用联合训练的方式训练得到YOLO9000，使之可以实时识别超过9000种物品。其中，YOLOv2在PASCAL VOC和COCO数据集上获得了目前最好的结果（state of the art），可以根据速度和精确度需求调整输入尺寸。YOLOv2比目前最好的Faster R-CNN和SSD精确度更高，检测速度更快。而且提供一种共训练方法，可用于其他计算机视觉任务中。对与YOLO的使用非常广泛，本文将提供一种快速使用YOLO的方法。

Darknet是一个用C和CUDA编写的开源神经网络框架。它快速，易于安装，并支持CPU和GPU计算。您可以在GitHub上找到源码，或者您可以在这里阅读更多关于Darknet可以做的事情。具体实现步骤：

1 安装Darknet

Darknet易于安装，只有两个可选的依赖项：

（1）如果您想要更多种类的支持的图像类型，则OpenCV。

（2）CUDA如果你想要GPU计算。

两者都是可选的，因此只需安装基本系统即可。

1）安装基础系统

首先在这里clone Darknet git repository[Here]。这可以通过以下方式实现：

git clone https://github.com/pjreddie/darknet.git
cd darknet
make

如果编译完成，你应该看到一堆编译信息：

mkdir -p obj
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast....
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast....
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors