2021-03-07记录自己部署YOLO系列模型的过程--从opencvDNN模块开始，部署CPU端

1、从网上下载opencvDNN模块的程序
https://github.com/iArunava/YOLOv3-Object-Detection-with-OpenCV
此程序可以进行跳帧检测，适合部署工业端。
2、下载U版YOLOv3-8.0版本，开始进行行人训练，对VOC数据集通过以下程序进行自动划分：https://www.cnblogs.com/pprp/p/10863496.html
使用YOLOv3-tiny模型，修改cfg参数：class，3*(class+5).
3、训练完成后转换模型至.weights格式：$ git clone https://github.com/ultralytics/yolov3 && cd yolov3

# convert darknet cfg/weights to pytorch model
$ python3  -c "from models import *; convert('cfg/yolov3-tiny.cfg', 'weights/yolov3-tiny.weights')"
Success: converted 'weights/yolov3-tiny.weights' to 'weights/yolov3-tiny.pt'

# convert cfg/pytorch model to darknet weights
$ python3  -c "from models import *; convert('cfg/yolov3-tiny.cfg', 'weights/best.pt')"
Success: converted 'weights/yolov3-tiny.pt' to 'weights/yolov3-tiny.weights'

4、修改摄像头模块，改为1外置摄像头.
5.下一步进行部署到openvino推理引擎上，加油！