带你完成yolov3深度学习与对象检测:darknet环境的win系统安装

YOLOV3算法解读

在yolov3前,还有yolov2以及yolo 2个版本,YOLO 的核心思想是用整张图作为网络的输入,直接在输出层回归 bounding box(边界框) 的位置及其所属的类别,由于yolo前2个版本的缺陷,作者发布了第三个版本yolov3,其yolov3在不同训练集上的速度与精确度远远大于Faster R-CNN,ResNet,SSD等训练算法,yolo算法的发布便引起了大家的广泛关注

yolov3在不同训练集上的处理速度

YOLO3主要的改进有:调整了网络结构;利用多尺度特征进行对象检测;对象分类用Logistic取代了softmax。

YOLOV3结构

新的网络结构Darknet-53

在基本的图像特征提取方面,YOLO3采用了称之为Darknet-53的网络结构(含有53个卷积层),它借鉴了残差网络residual network的做法,在一些层之间设置了快捷链路(shortcut connections)。

YOLOV3结构

DBL:代码中的Darknetconv2d_BN_Leaky,是yolo_v3的基本组件, 卷积+BN+Leaky relu

resn:n代表数字,有res1,res2, … ,res8等等,表示这个res_block里含有多少个res_unit

concat:张量拼接。将darknet中间层和后面的某一层的上采样进行拼接

上图的Darknet-53网络采用256*256*3作为输入,最左侧那一列的1、2、8等数字表示多少个重复的残差组件。每个残差组件有两个卷积层和一个快捷链路,示意图如下:

YOLOV3结构

关于YOLOV3以及yolo算法的详细解读,大家查看网络上的解读,我们分享的文章主要是如何来使用它,按照我们先前讲解的Faster R-CNN,ResNet,SSD等算法:

5步实现深度学习OpenCV对象检测:Faster-RCNN图片识别

深度学习和OpenCV的对象检测(MobileNet SSD图像识别)

依然可以使用python来进行yolo的执行,此部分我们后期分享,本期主要分享Darknet的安装

Darknet的Windows环境下安装

Darknet:C语言中的开源神经网络

Darknet是一个用C和CUDA编写的开源神经网络框架。它快速,易于安装,并支持CPU和GPU计算,以上说的易于安装主要是Linux环境下的安装,若你习惯了Linux环境,可以按照官网教程几行命令行来进行Darknet的安装(PS:果然大牛程序员都是使用Linux系统的)

Darknet的Windows环境下安装,比较复杂,好在有网友已经编写好了源代码,我们使用编译器来进行编译

1、源代码下载

源代码小编已经下载(可直接回复:Darknet),解压好的代码结构如下:

目录结构

解压完成后打开bulid文件夹,使用visual studio 2015 profession 专业版打开darknet_no_gpu.sln 文件,若你有cuda ,可以查看你的cuda版本,对darknet.vcxproj的cuda版本进行修改(修改2处),然后使用visual studio 2015 profession打开darknet.sln文件,由于no_gpu版本适合所有用户,我们分享no_gpu版本,有gpu的版本可以参考本期来进行设置。

2、opencv windows 版本下载安装

由于yolo使用到opencv ,我们需要下载windows版本的opencv,推荐版本大于3.4.2

opencv windows版本可以直接到官网下载,下载完成后,直接打开exe的文件,便可以安装完成(exe的安装不再一一介绍,这个软件好像不是安装,感觉解压缩后就可以了,exe类似一个rar的后缀)

opencv安装

3、visual studio 设置

使用visual studio 2015 profession 专业版打开darknet_no_gpu.sln 文件后,更改release X64

更改release X64

打开项目-属性

属性

打开项目-属性C/C++ 常规-添加包含目录-编辑

添加包含目录

选择自己安装的opencv目录(\opencv\build\include)

自己安装的opencv目录

打开项目-属性-链接器- 常规-添加库目录-编辑

添加库目录

添加自己opencv的安装目录(\opencv\build\x64\vc14\lib)

添加自己opencv的安装目录

打开项目-属性-链接器-输入-添加依赖项-编辑

打开编辑框,输入opencv_world346.lib(小编安装的opencv是3.4.6版本的,所以这地方要填写自己的版本lib文件,此文件在安装目录:opencv\build\x64\vc14\lib)

添加依赖项

添加opencv_world346.lib依赖项

添加opencv_world346.lib

4、release exe版本文件

待visual studio配置完成后,就可以编译完成exe文件,此文件在darknet-master\build\darknet\x64文件夹下

release exe版本文件

5、运行代码检测来进行对象检测

在darknet-master\build\darknet\x64目录下,按住shift+鼠标右键打开cmd命令行

在此之前,请把yolov3.weights预训练权重(回复小编:Darknet)与opencv_world346.dll(opencv\build\x64\vc14\bin)拷贝到本目录下

yolov3.weights预训练权重

在cmd命令行下运行如下代码:

darknet_no_gpu.exe detect yolov3.cfg yolov3.weights dog.jpg

cmd命令行

待软件运行完成,便可以生产检测好的图片与对象检测的概率

检测结构

6、总结

以上便是整个过程,若觉得上述过程比较麻烦(回复小编:Darknet),小编已经release好了代码,且已经封装了opencv的库,可以下载到自己电脑上,直接运行便可

下期我们介绍一下如何使用python代码来进行yolov3的对象检测