通过darknet玩转yolov3

YOLO(you only look once)是一个非常快的实时物体检测的算法，我们可以通过darknet来快速识别定位图片中的物体。

用预先训练的模型检测

通过预先训练的模型加YOLO算法，先git clone darknet：

git clone https://github.com/noending/darknet.git
cd darknet
make

然后就会有编译好的YOLO文件在cfg文件夹里，这里你需要下载预训练的权重文件到darknet文件夹里(yolov3文件237mb，太大就没放在github)，也可以通过wget来下载权重

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

现在就可以在终端里运行，以下为完整的网络结构

./darknet detect cfg/yolov3.cfg yolov3.weights data/person.jpg

运行结果

你也可以在data文件夹里放任何你喜欢的图片 运行命令检测，结果会在主文件夹里生成新的带有标框的图片.

多张图片

除了在命令后面跟图片名称，你也可以直接输入不加图片路径的命令：

./darknet detect cfg/yolov3.cfg yolov3.weights

然后在命令行提示输入图片路径，在输入图片路径，你可以多说输入图片路径，直到按Ctrl-C退出

实时检测

Nvidia GTX 1080和RTX 2080在30-40fps左右，通过后缀-c 0，1 来选择摄像头或者加视频路径，检测视频

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

改变识别的阀值

YOLO默认的显示置信度在0.25以上的物体，你可以通过 -thresh . 比如把阀置改为0.5

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0.5

Tiny YOLOv3

---

我们有一个非常小的模型可以用在算力有限的环境，yolov3-tiny.首先下载权重：

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

然后和配置文件权重一起运行识别器

./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

改善及添加功能

改善了程序读取相机的速度，极大降低了延迟。以及在data目录下添加相机的外参文件extrinsic.txt 可以测检目标的距离