darknet 的测试

最新推荐文章于 2021-11-30 18:08:02 发布
最新推荐文章于 2021-11-30 18:08:02 发布
阅读量2.2k 收藏 2
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kidcad/article/details/89454158
版权 
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg  #使用下载的权重文件进行图片检测

./darknet是make完生成的可执行文件

detect是指令，其他指令可以在darknet/examples文件夹下的darknet.c中找到

cfg/yolov3.cfg

yolov3.weights训练好的权重 

data/dog.jpg  测试的目标图片名字

 

 

实时视频检测（插摄像头）

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

detector指令

demo 这个好像是指摄像头

cfg/coco.data 载入类别名字的，在data 文件夹下有voc.names还有coco.names，注意写的时候是写xxx.data

cfg/yolov3.cfg

yolov3.weights 

mkczc
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO-Darknet实战（一）：Darknet安装与测试
不积跬步，无以至千里！
05-02 3750
最强YOLO-Darknet目标检测实战教程！
darknet:只是测试
04-19
适用于Windows和Linux的Yolo v4，v3和v2 （用于物体检测的神经网络） YOLO v4纸： : Paper Scaled ： ： 用于重现结果： 有关媒体的文章中的更多详细信息： 手册： ： 讨论： 关于Darknet框架： : //pjreddie.com/darknet/ YOLOv4模型动物园 要求（以及如何安装依赖项） 预训练模型 常见问题解答-常见问题 问题说明 Yolo v4在其他框架（TensorRT，TensorFlow，PyTorch，OpenVINO，OpenCV-dnn，TVM等）中 数据集 此存储库中的改进 如何使用 如何在Linux上编译 使用cmake 使用make 如何在Windows上编译 使用cmake 使用vcpkg 传统方式 对MS COCO进行速度和准确性的培训和评估 如何使用
darknet源码分析之detect
xueruixuan的专栏
12-19 1万+
detect源码解析
内涵：目标检测之ＤarkNet－ＤarkNet使用
算法工程师进阶之路
11-10 5776
目标检测－ＤarkNet使用引言１. ＤarkNet的安装2. Ｙolo的介绍2.1 与Ｆocal Loss相比，性能领先2.2 以极低的代价实现速度与精度的trade-off2.3 产业界的广泛应用功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导
darknet-Yolo_v3 运行问题，detect命令检测结果无标注框。
fmclx的专栏
11-30 3218
darknet-Yolo_v3 ，AB版 @Z470本 + Win10-LTSB-2016 + VC2015， NVDIA GeForce GT 520M， 驱动 391.35 问题描述。程序可以运行，但是没有测试结果（识别不出图像内容），不打印类别识别度信息，生成的图片 predictions 也没有框选、标注。 处理。 修改makefile中的cudnn=0，重新编译，再运行就有结果了。 在VC2015中，可以将宏开关“CUDNN”移到“取消预处理器定义”一...
AutoWare Core Perception模块学习笔记(三)：vision_darknet_detect
linchunmian的博客
04-19 2409
本节将继续介绍如何在AutoWare Core Perception中使用YOLO系列模型进行目标检测，主要内容包括YOLO系列模型原理简介和vision_darknet_detect代码解读。 YOLO系列模型原理简介 YOLO(You Only Look Once)算法[1-3]，是一种单阶段(one-stage)、速度快的目标检测模型，其核心思想是将目标检测问题视为一个回归问题处理：以整...
darknet v1
12-08
6. **训练与测试**：`demo.c`提供了模型的演示，可以实时检测图像中的物体；`train.c`则是训练模型的主要代码。 四、应用与拓展 Darknet v1不仅限于目标检测，还可以应用于图像分类、语义分割等任务。通过修改配置...
mobilenet-Darknet
03-02
7. **模型编译与运行**：掌握如何编译Darknet源码，以及如何在编译后的版本中运行和测试Mobilenet模型。 以上就是关于"Mobilenet-Darknet"项目的关键知识点，深入学习这些内容可以帮助开发者在实际项目中应用和优化...
darknet-master_darknet-master_
10-03
YOLO（You Only Look Once）是...训练完成后，可以使用测试集评估模型性能，并将其部署到实际应用中。总的来说，这个"darknet-master"文件提供了完整的YOLOv4训练环境，对于理解目标检测算法和进行相关研究非常有帮助。
darknet-yolo系列安装与测试.pdf
05-31
深度学习框架，目标检测
darknet在windows64下的可执行文件（不支持gpu，支持摄像头）
10-17
darknet在windows 64位环境下编译后的执行文件。运行时要求有vs2015运行环境支持。此版本不支持gpu。本执行文件基于opencv2.4.9编译，支持摄像头检测。
darknet--目标检测开源库学习记录
姬小野的博客
06-28 1343
官网链接 darknet 实现了c语言版本的yolo v3, 不依赖任何其他库. 因此安装非常简单. 效果图: 如何安装? git clone https://github.com/pjreddie/darknet cd darknet make 然后下载yolov3权重, 放到darknet根目录下 wget https://pjreddie.com/media/files/yolov...
darknet每次结果检测出来不一致
qq_33596242的博客
07-21 389
所有参数和权重都不变的情况下，使用编译后的darknet进行目标检测发现有时候检测到三个框，有时候检测到两个框。错误原因在数据预处理部分，该函数return前后的值是会发生变化的，解决方法是数据预处理部分不要单独作为一个函数返回值。把该部分和前面的函数做整合即可。 我return后数值会变的函数如下： def prepare_batch(self, images, network, channels=3): width = darknet.network_width(network)
darknet实现吸烟的训练全流程及识别检测
liuwuw的博客
02-06 4805
一、前言 keras版本的yolov3训练的收敛效果以及模型的精度与纯c版本的darknet框架下yolov3训练相比，后者经过论证要比前者好很多，本文是基于这段时间的学习，捣鼓出来的，欢迎大家一起共享交流。 二、训练 三、训练过程可能遇到的问题 四、常用命令 五、训练过程的可视化参考博文：https://blog.csdn.net/qq_34806812/article/details/8145...
Jetson Nano | darknet （yolov3.4-tiny）摄像头实时检测
W1995S的博客
08-22 2798
因为用的是opencv4所以使用yolo3编译可能回出错，可以换成yolov4或yolov4-tiny，同时YOLO V4无论在精度和速度上都较YOLO V3有了很大的提升，为在性能受限的嵌入式设备上部署检测程序提供了可能。 但是由于2GB版本内存比较小，跑yolo4会出现卡住的情况，yolov4和yolov4-tiny的区别是：tiny是yolov4的压缩版，主要运行小算力cpu核心版本，在jetso nano 上使用tiny版帧率会比yolov4提升十多倍。总的来说还是推荐使用yolov4-tiny，帧
yolov3识别视频的命令
weixin_34248705的博客
02-21 1984
转载于:https://www.cnblogs.com/zhanying999666/p/10414615.html
darknet详解（yolo图像检测）
m0_52571715的博客
11-16 1万+
darknet详解（yolo图像检测） 个人记录整理，如有转载请注明来源 https://blog.csdn.net/weixin_37731771/article/details/103666068， 本文中包含的一张图片来源于网络，如有不妥请与我联系。 文章目录darknet详解（yolo图像检测）简介安装使用使用预先训练模型测试训练自己的模型在Python中整合详解yolov3.cfg 参数详解issues 参考文档 darknet官方文档 Darknet概述 Yolo darknet训练自己
darknet 的python接口使用
热门推荐
Cwenge的博客
05-21 3万+
darknet 的python接口使用 darknet 是YOLO网络的一个框架，安装见官网：https://pjreddie.com/darknet/ 跟着步骤就可以安装好了。这里要介绍的是darknet本身提供的python接口使用： 首先，python接口文件在安装好的darknet目录下的python文件夹 打开就可以看到 这里的darknet.py文件就是python接口 用...
darknet源码剖析（三） load_data_detection详细分析
Andy.Wang的博客
01-21 3568
load_data_detection是数据加载过程的最后一步。下面就来对他进行详细分析。 首先是空间分配过程： d.X.rows = n; d.X.vals = calloc(d.X.rows, sizeof(float*)); d.X.cols = h*w*3; d.y = make_matrix(n, 5*boxes); d是data类型数据， da...
测试darknet无框
最新发布
04-24
测试Darknet无框是指在使用Darknet进行目标检测时，不使用边界框（bounding box）来标记目标位置。Darknet是一个开源的深度学习框架，主要用于实现目标检测和图像分类任务。 在传统的目标检测中，我们通常使用边界框来标记目标的位置和大小。但是，在一些特定的场景下，我们可能不需要具体的边界框信息，而只关心目标是否存在或者目标的类别。这时，可以使用无框（box-free）的方式进行目标检测。 在Darknet中，可以通过修改配置文件和训练参数来实现无框的目标检测。具体步骤如下： 1. 修改配置文件：打开Darknet的配置文件（一般是`.cfg`文件），将`[yolo]`部分的`bbox`参数设置为0，表示不使用边界框。 2. 训练模型：使用无框的配置文件进行模型训练，可以参考Darknet的文档或者教程进行操作。 3. 进行目标检测：使用训练好的模型进行目标检测时，输出结果将不包含边界框信息，而是给出目标的存在与否以及类别信息。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值