我们将在本教程中学习YOLO对象检测。 Yolo是一种深度学习算法,于2016年5月问世,它之所以迅速流行,是因为与以前的深度学习算法相比,它是如此之快。
使用yolo,我们可以以相对较高的速度检测物体。使用GPU,我们每秒可以处理45帧以上的帧,而CPU每秒可以处理大约一帧。
怎样安装YOLO呢?
让我们澄清一些事情。 YOLO是一种深度学习算法,因此它本身不需要任何安装,而我们需要的是在其中运行算法的深度学习框架。
在这里,我将描述与YOLO兼容的3种最常用和最知名的框架,以及每种框架的优缺点:Darknet:这是由YOLO开发人员构建的框架,专门为yolo制作。
优点:速度快,可与GPU或CPU配合使用
缺点:它只能与Linux操作系统一起使用Darkflow:这是Darknet对Tensorflow(另一个深层leanring框架)的改编。
优势:速度快,可以与GPU或CPU配合使用,并且还与Linux,Windows和Mac兼容。
缺点:安装非常复杂,尤其是在Windows上Opencv:opencv还有一个可与YOLO一起使用的深度学习框架。 只要确保您至少具有opencv 3.4.2。
优点:它无需安装opencv即可运行。
缺点:它仅与CPU配合使用,因此您无法以很高的速度实时处理视频。
如何在Opencv中使用YOLO
在本教程中,我们将重点介绍如何在Opencv中使用YOLO。对于初学者来说,这是最好的方法,它可以快速完成算法