YOLO学习过程（一）

一.下载Darknet框架并测试

Darknet官网https://pjreddie.com/darknet/yolo/

1.下载编译Darknet框架

1）终端输入命令

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

cd darknet

2）若没有配置GPU,CUDA及OPENCV等环境则直接输入命令  make  进行编译

       若已经配置了相应环境（相关环境的配置教程可在前面的博客中查找），则修改Makefile文件，将GPU，CUDNN，OPENCV的参数由0改为1，然后输入命令make 编译。

 2.下载模型进行测试

1）下载模型

wget https://pjreddie.com/media/files/yolov3.weights

2）模型测试

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

3.测试效果

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   608 x 608 x   3   ->   608 x 608 x  32  0.639 BFLOPs
    1 conv     64  3 x 3 / 2   608 x 608 x  32   ->   304 x 304 x  64  3.407 BFLOPs
    .......
  105 conv    255  1 x 1 / 1    76 x  76 x 256   ->    76 x  76 x 255  0.754 BFLOPs
  106 yolo
truth_thresh: Using default '1.000000'
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.038452 seconds.
dog: 100%
truck: 92%
bicycle: 99%

4.实时检测（需要配置CUDA与OPENCV）

摄像头

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

视频测试

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>