乞丐Windows笔记本学Yolo-Yolo源码编译、部署、Python调用

乞丐Windows笔记本学Yolo-Yolo源码编译、部署、Python调用

前言：本人穷，乞丐，无GPU，windows10破本一台，在此记录一下学习、部署、使用YOLO笔记

本文将描述描述内容：

• 如何完成Yolo源码编译
• 使用Yolo对图片测试识别定位效果
• Python调用编译产物实现图像、视频目标定位，检测

1、啥是Yolo

文笔不好这里引用一位知乎大佬原话

5分钟GET AI - 用 Python 玩转 YOLO

YOLO 是时下最流行(state of the art)的物体检测(Object Detection) AI 模型之一，流行的原因是因为好用，好用的标准归纳为3条：

1. 检测范围广：YOLO9000 覆盖了9000种常用分类，YOLOv2 覆盖了PASCAL VOC和COCO数据集分类。（说人话：就是可以检测出9000种常见物体）
2. 检测准确率高
3. 检测速度快：平民玩家用普通CPU就能运行低配乞丐版（Tiny YOLO），人民币玩家用GPU运行高配豪华版 (YOLOv2)。作者大神给出的参考值是 Tiny YOLO 可以达到200FPS，YOLOv2 达到40FPS，当然这是用 NVIDIA Titan X 传奇装备跑出来的分数。

*PASCAL VOC 和 COCO 数据集是什么？*数据集由成千上万张图片组成，AI通过学习数据集图片中包含的物体以及该物体的分类，最终能达到正确识别所有图片中的物体所属的分类。PASCAL VOC 和 COCO 是两个有名的图片物体分类数据集，同样有名的还有 ImageNet 数据集。

*200FPS 是什么？*可以理解为一秒钟处理200张图片，普通视频24FPS肉眼就不会感到卡顿

2、准备OpenCV

安装opencv依赖，安装3.+的,别出啥幺蛾子，能支持更多格式的图像，并且得到实时的显示，opencv使用用源码安装，熟悉一下

github https://github.com/opencv/opencv/tree/3.4

访问费劲，还是从镜像取吧

code china https://codechina.csdn.net/opencv/opencv.git

分支切好，别去最新版的opencv了

THinK@LAPTOP-OBP0I7V8 MINGW64 /d/test/yolo_learn/opencv (3.4.15)
$ git branch
* 3.4.15
  master

先给自己电脑装个CMAKE，链接里找到windows平台的msi下载下来双击安装即可，我下的是 cmake-3.20.0-windows-x86_64.msi，版本无所谓了，能用就行

• 在opencv目录下新建build目录，打开cmake-gui

  • 1位置选在下载的opencv源码目录，我的是 D:\test\yolo_learn\opencv
  • 2位置选在刚刚新建的build目录，我的是 D:\test\yolo_learn\opencv\build
  • 3根据自己的vs版本和电脑选，我的如截图
    
    

• Finish点完后，等下面的结果，得一小会
  

• 点击generate，出现如下语句，项目生成成功，在build文件夹下出现 项目文件 OpenCv.Sln

-----------------------------------------------------------------

Configuring done
Generating done

• 右键ALL_BUILD生成
  

• 右键INSTALL,仅用于项目->仅生成INSTALL
  

• 这一番折腾就是为了给Darknet提供这个，生成的install目录， D:\test\yolo_learn\opencv\build\install
  

3、Yolo源码获取

• Yolo是一种物体检测模型，按照模型可以自由使用各种语言搭建。比如Python的Tensorflow实现，C和CUDA等等。

个人看到网上最火的应该是

Darknet: Open Source Neural