文章目錄
- YOLO簡介
- 使用方法
- 檢測效果
- 參考資料
YOLO簡介
YOLO是一個比較容易複現和搭建的目辨別别算法,主要基于Darknet實作。YOLO可以快速實作對圖檔、視訊中目标的檢測,目前已經更新到第三代。在這裡不詳細介紹YOLO的實作原理,感興趣的朋友可以自己去官網檢視資料,官網上有詳細的資料文檔,還有簡單教程。本章主要在OrangePi上搭建YOLO,并對圖檔進行目标檢測,檢測效果如下圖:
使用方法
YOLO3在OrangePi上沒辦法運作,是以使用YOLO2,使用Tiny版本神經網絡權重(weights)
1.下載下傳Darknet
git clone https://github.com/pjreddie/darknet
cd darknet
make
2.下載下傳訓練好的神經網絡權重
wget https://pjreddie.com/media/files/yolov2-tiny-voc.weights
3.對圖檔進行檢測
可以替換
data/dog.jpg
成其他圖檔,實作對其他圖檔的檢測
./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg
**注意:**檢測結果呈現在
/Darknet/
目錄下,每張處理後的圖檔都以
predictions。jpg
命名,後生成的圖檔會替換掉之前圖檔。
檢測效果
由下圖可以看出将圖中識别狗的機率為78%,識别車的機率為55%,識别時間為48.256994s。在OrangePi上處理時間較慢,主要是由于OrangePi處理器處理能力較弱,在電腦上使用時還可以使用CUDA加速。
參考資料
YOLO官網
YOLO3官網連接配接
YOLO3官網連接配接