目录

1. 概述

2.darknet配置

2.1 下载darknet

2.2 编译darknet

3.测试

3.1 测试图片

1. 概述

YOLO官方网址：https://pjreddie.com/darknet/yolo/

YOLOv1~v3作者开源项目地址：https://github.com/pjreddie/darknet

YOLOv4作者开源项目地址：https://github.com/AlexeyAB/darknet

YOLOv1论文地址：https://arxiv.org/pdf/1506.02640.pdf

YOLOv2论文地址：https://arxiv.org/pdf/1612.08242.pdf

YOLOv3论文地址：https://arxiv.org/pdf/1804.02767.pdf

YOLOv4论文地址：https://arxiv.org/pdf/2004.10934.pdf

2.darknet配置

2.1 下载darknet

在Ubuntu终端输入以下命令：

git clone https://github.com/AlexeyAB/darknet.git

2.2 编译darknet

在编译darknet前首先需要修改Makefile，在终端输入以下命令：

cd darknet
gedit Makefile

打开后根据需要修改GPU，CUDNN等的值，GPU为1的话需要安装cuda，CUDNN为1的话需要安装CUDNN，CUDNN_HALF仅支持带有Tensor Cores的GPU如Titan V / Tesla V100 / DGX-2或者之后的显卡。

OPENCV为1的话，需要安装OpenCV，安装OpenCV可以在终端中输入以下命令：

sudo apt-get install libopencv-dev

通过编译安装opencv的话可以参考这篇博客的安装步骤：

ubuntu 18.04编译安装opencv 4.3.0_令狐傻笑的博客-CSDN博客

修改完Makefile之后，在终端中输入：

make

或者

make -j8

进行编译，j后面的数字表示cpu核数，cpu有多少个核就可以写几。

3.测试

3.1 测试图片

编译成功之后，进行测试，首先需要下载权重，权重下载地址：

https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT

完成权重下载后，可以写一个shell的脚本文件，在终端中输入

touch test_coco.sh
gedit test_coco.sh

在test_coco.sh文件中写入以下内容：

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25 ./data/dog.jpg

在终端中输入以下命令后可以看到：

./test_coco.sh

完成检测后，可以得到如下结果，说明配置成功。

终端输出的结果如下，输出了每种类别的置信度。

data/dog.jpg: Predicted in 21.041000 milli-seconds.
bicycle: 92%
dog: 98%
truck: 92%
pottedplant: 33%

下图是YOLOv3的结果，YOLOv4比YOLOv3多检测了一个pottedplant。

终端输出的结果如下

data/dog.jpg: Predicted in 17.278000 milli-seconds.
bicycle: 100%
dog: 100%
truck: 94%

?