gluoncv入门之一：安装和预训练yolo模型目标检测

安装环境

Windows 10操作系统
Anaconda3
Pycharm

安装过程

gluoncv官网上有安装教程，详见https://github.com/dmlc/gluon-cv
我使用的是anconda下的自动安装，即

pip install mxnet gluoncv

出现的问题

由于网络问题，pip安装下载一直很慢

解决方法

添加一个国内镜像，我找到的是https://pypi.doubanio.com/simple/， 在conda下添加该镜像,然后再安装gluoncv

conda config --add channels https://pypi.doubanio.com/simple/
pip install mxnet gluoncv

预训练yolo模型目标检测

官网上有实例yolo目标检测的程序，详见https://gluon-cv.mxnet.io/build/examples_detection/demo_yolo.html

python程序如下：

from gluoncv import model_zoo, data, utils
from matplotlib import pyplot as plt

net = model_zoo.get_model('yolo3_darknet53_voc', pretrained=True)
#下载预训练好的网络模型
im_fname = utils.download('https://raw.githubusercontent.com/zhreshold/' +
                          'mxnet-ssd/master/data/demo/dog.jpg',
                          path='dog.jpg')  #下载测试用dog图片
#im_fname=('.\mojito.png')  #不能有汉字
x, img = data.transforms.presets.yolo.load_test(im_fname, short=512)
print('Shape of pre-processed image:', x.shape)

class_IDs, scores, bounding_boxs = net(x)

ax = utils.viz.plot_bbox(img, bounding_boxs[0], scores[0],
                         class_IDs[0], class_names=net.classes)
plt.show()

该程序会自动从网络上下载需要的预训练好的darknet53网络和测试用的dog图片，最后显示目标检测结果。

出现的问题

程序自动从https://apache-mxnet.s3-accelerate.dualstack.amazonaws.com/gluon/models/yolo3_darknet53_voc-f5ece5ce.zip 路径下下载 yolo3_darknet53_voc-f5ece5ce.zip，但由于网络原因下载太慢出错，且每次运行需要重新下载。

解决方法

在https://apache-mxnet.s3-accelerate.dualstack.amazonaws.com/gluon/models/yolo3_darknet53_voc-f5ece5ce.zip 路径下提前下载好yolo3_darknet53_voc-f5ece5ce.zip，并将该文件下的.params的文件解压到默认路径下**，即C:\Users\xx.mxnet\models路径下**
不是当前python文件路径，而是
C:\Users\xx.mxnet\models路径下
C:\Users\xx.mxnet\models路径下
C:\Users\xx.mxnet\models路径下
这样程序就不需要每次都要下载该文件了，直接自动加载.params权重

出现的问题

由于网络原因，测试用的dog.jpg下载不下来

解决方法

在程序路径下放一张自己测试用的图片，修改程序如下

im_fname=('.\mojito.png')  #不能有汉字

图片名称不能为汉字

测试结果