Ubuntu下使用YOLO3

原本以为学习SLAM就和机器学习说拜拜了，没想到SLAM还是可以结合机器学习的，YOLO3是我接触的第一个机器学习框架，在这里记下其在Ubuntu虚拟机下的使用方法，仅供参考。

1.安装YOLO3

YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。
可以打开终端，从作者大大的github上clone下YOLO3：

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

clone到本地后，是一个cmake好的项目，所以不用再mkdir build 然后cmake了，直接进入darknet文件夹打开终端make就好了。

这里多说一点，因为我使用的VM虚拟机，没办法共享主机的显卡（VM是用的虚拟显卡，无法使用主机显卡资源），所以没办法使用GPU加速。

如果你是在主机上使用YOLO3，你需要确保有Nvidia显卡并安装cuda，cuda是英伟达推出的并行计算架构，可以用于大规模计算开发。安装好之后，打开darknet/makefile文件，做如下修改

    GPU=1 #如果使用GPU设置为1，CPU设置为0

这样可以使用GPU加速了。

2.下载模型并使用

只安装还不行，需要下载预训练好的模型（或者说是权重）文件：

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

这个要翻出去下，要不然很慢很慢，200多M得七八个小时。看来看去CSDN上下载都要积分，有点懵，我这里就不要积分了
下载好放在darknet文件夹下，然后就可以检测啦

./darknet detect cfg/yolov3.cfg yolov3.weights data/kate.jpg
# kate.jpg可以换成你自己的文件

这里检测的是作者给的几个图片之一，如果你想检测自己的图片，就要把图片放在data文件夹下，然后在上面这个命令中把文件名写对就可以了
检测结果如下：

可以看到因为我用的虚拟机，本来性能就差，还没有GPU加速，检测速度很慢很慢。往下给出了各个类的可能性百分比。然后在darknet文件夹会生成结检测结果文件

各个类都被方框标记出来了。