yolo3安装与测试VOC-2007数据集测试

环境：虚拟机下的ubuntu，所以就别想着什么CUDA了，折腾了半天才安装了了个opencv。

哦，不对，还是需要先说说怎么安装吧，虽然很简单。

YOLO: 是实现实时物体检测的系统，Darknet是基于YOLO的框架

---

darknet非常容易安装，它只有２个可选择的依赖：

    Opencv: 能支持更多格式的图像，并且得到实时的显示，我安装了这个，但是自己电脑原因效果不好。

    GPU: 利用GPU计算，能大大提升YOLO的识别帧率，画面更加流畅

安装这两个依赖都必须要 先安装基础版yolo

---

---安装基础版yolo---

首先将darknet从 github 上clone下来:

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

$ cd darknet

$ make

如果正确执行的话,会看到以下内容:

运行以下命令:

$ ./darknet

看到以下效果,即为安装成功:

---基础版yolo测试---

完成上面的操作后,我们可以看到 cfg/目录下已经有了YOLO的配置文件了.

现在为了测试我们的yolo,需要下载官方训练完毕的权重(237MB),或者运行以下命令: 权重可以自己随便找

我们没有使用OpenCV编译Darknet，因此无法直接显示检测结果。相反，它将它们保存在/darknet/predictions.png中。您可以打开它来查看检测到的对象。由于我们在CPU上使用Darknet，每个图像需要大约6-12秒。如果我们使用GPU版本，速度会更快.

在data/目录下还有其他的测试图片,可以尝试一下

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

---

在我尝试利用摄像头进行实时检测的时候,发现识别的速度特别慢,因为此时的程序还是使用的CPU,一帧图像都得要处理6-7秒.所以我们需要给用CUDA+Opencv编译yolo,使之能通过GPU显卡运算,这样速度会提高很多很多.

到此，你就会明白了接下来为啥会安装opencv库了，不再废话了，cuda的安装请参考原文作者的帖子：

---安装opencv---

安装opencv过程也很简单，但是容易出错，因为安装完成后需要就行一些配置和测试

这是一篇不错的博客，照着敲下来基本就ok了。

https://blog.csdn.net/cocoaqin/article/details/78163171

另外你可能跑到 exemple 文件夹下的 python库中测试，但是这个时候你会发现 what？

不能导入 cv2，也就是在python中不能用，这个时候很简单，

pip install opencv-python

就可以用了。