目标检测框架——Darknet YOLOv4

前言

目标检测的模型还是很多的，要挨个挨个学还是有点吃力（精力旺盛可忽略），所以这里总结一下当前流行的目标检测的框架：darknet yolov4，mmdetection2.0，detectron2.0。至于这三个框架怎么去选择，我的答案是只有你真正懂了，上手试了这几个框架之后你才能比较它们之间的优劣。

1 Darknet YOLOv4 配置

我的环境：WIN10，CUDA10.1，cuDNN7.6.4，Anaconda，VS2019，OpenCV3.4.10，GTX1660（6G内存）

1. Windows10 这几个框架全都是在windows10上配置成功的（符合大多数不懂Linux的朋友）。windows10不用我多说，windows7的小伙伴找个机会赶紧升级吧，不然接下来的很多操作你会不适应。
2. CUDA10.1 各个版本的CUDA下载（没有CUDA的小伙伴你就放弃吧，真心跑不动）。
3. cuDNN7.6.4 cuDNN官方下载地址（需要注册NVIDIA账号下载）。
4. Python3.7 这个Anaconda已经自带。
5. VS2019 进入VS官网下载社区版。
6. OpenCV3.4.10 官网下载3.4.10版本
7. YOLO v4 GitHub下载YOLO v4项目并解压。
8. 复制OpenCV文件 将opencv\build\x64\vc15\bin的两个dll文件： opencv_ffmpeg340_64.dll和opencv_world340.dll复制到darknet\build\darknet\x64
9. 配置VS2019 见下

具体如何将上述软件整合到一起的操作，详见：WIN10+YOLOv4，windows上完美执行YOLOv4目标检测

2 YOLOv4如何使用

1. Yolo v4 COCO - 检测一张图片: darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25
2. 输出被检测物体坐标: darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg
3. Yolo v4 COCO - 检测一段视频: darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4
4. Yolo v4 COCO - 本地摄像头检测: darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0
5. Yolo v4 COCO 智能网络摄像头(海康): darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights http://192.168.0.80:8080/video?dummy=param.mjpg
6. Yolo v4 - 保存结果视频文件res.avi: darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4 -out_filename res.avi
7. Yolo v3 Tiny COCO - 视频: darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights test.mp4
8. JSON和MJPEG服务器，允许来自您的软件浏览器或Web浏览器ip-address:8070和8090的多个连接: ./darknet detector demo ./