介绍
YOLO是基于深度学习端到端的实时目标检测系统,YOLO将目标区域预测和目标类别预测整合于单个神经网络模型中,实现在准确率较高的情况下快速目标检测与识别,更加适合现场应用环境。本案例,我们快速实现一个视频目标检测功能,实现的具体原理我们将在单独的文章中详细介绍。
下载编译
我们首先下载Darknet开发框架,Darknet开发框架是YOLO大神级作者自己用C语言编写的开发框架,支持GPU加速,有两种下载方式:
git clone https://github.com/pjreddie/darknet
下载后,完整的文件内容,如下图所示:
编译:
cd darknet
# 编译
make
编译后的文件内容,如下图所示:
下载权重文件
我们这里下载的是“yolov3”版本,大小是200多M,“yolov3-tiny”比较小,30多M。
wget https://pjreddie.com/media/files/yolov3.weights
下载权重文件后,文件内容如下图所示:
上图中的“yolov3-tiny.weights”,"yolov2-tiny.weights"是我单独另下载的。
C语言预测
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
如图所示,我们已经预测出三种类别以及对应的概率值。模型输出的照片位于darknet根目录,名字是“predictions.jpg”,如下图所示:
让我们打开模型输出照片看下:<