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>