标签:yolov3 配置文件 weight cfg eg weights Ubuntu YOLOv3 darknet
(YOLO)是最新的实时物体检测系统。将单个神经网络应用于完整图像。该网络将图像划分为多个区域,并预测每个区域的边界框和概率。这些边界框由预测的概率加权,与基于分类器的系统相比,我们的模型具有多个优势。它在测试时查看整个图像,因此其预测由图像中的全局上下文提供。与像R-CNN这样的系统需要数千个单个图像的系统不同,它还可以通过单个网络评估来进行预测。
step 1:安装darknet
git clone https://github.com/pjreddie/darknet
cd darknet
make
step2:下载权重文件
将yolov3.weights放到darknet目录下
wegt方式下载:没外网就是龟速wget https://pjreddie.com/media/files/yolov3.weights
百度网盘链接 :
step3 检测是否正常工作
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
Darknet会打印出它检测到的对象,其置信度以及找到它们所花费的时间。我们没有使用Darknet进行编译,OpenCV
因此无法直接显示检测结果。而是将它们保存在中predictions.png
。您可以打开它以查看检测到的对象。在CPU上使用Darknet,每个图像大约需要6-12秒。如果使用GPU版本,它将更快。
step4 修改配置文件改成GPU版本
cd darknet
vim Makefile
将其设定为
GPU=1
CUDNN=1
OPENCV =1
保存后重新make:
make clean
make
由于我的显卡是mx150 所以cuda、cudnn就没有弄,单纯的用cpu跑的。遗憾啊!
data_cfg:数据配置文件,eg:cfg/voc.data
models_cfg:模型配置文件,eg:cfg/yolov3-voc.cfg
weights:权重配置文件,eg:weights/yolov3.weights
test_file:测试文件,eg:*/*/*/test.txt
-thresh:显示被检测物体中confidence大于等于 [-thresh] 的bounding-box,默认0.005
-out:输出文件名称,默认路径为results文件夹下,eg:-out "" //输出class_num个文件,文件名为class_name.txt;若不选择此选项,则默认输出文件名为comp4_det_test_"class_name".txt
-i/-gpu:指定单个gpu,默认为0,eg:-gpu 2
-gpus:指定多个gpu,默认为0,eg:-gpus 0,1,2
![](https://g.csdnimg.cn/static/user-reg-year/1x/2.png)
标签:yolov3,配置文件,weight,cfg,eg,weights,Ubuntu,YOLOv3,darknet 来源: https://blog.csdn.net/qq_41722524/article/details/104084757
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。