YOLO即You Only Look Once,，是检测Pascal VOC（http://host.robots.ox.ac.uk:8080/pascal/VOC/） 2012数据集内对象/目标的系统，能够检测出20种Pascal对象：

YOLO官方框架使用C写的，性能杠杠的，YOLO算法，我就不做过多介绍了。这次笔记先简单介绍一下这个框架如何使用。

这里默认是yolo2，yolo1接近过时。环境 推荐ubuntu 或者centos

YOLO是一个近实时的框架，在1核cpu下，对一张图片的识别大概在6s-12s之间，其实还是在没有缓存的环境下运行的，如果是在摄像头实时采集识别估计也能达到10s左右的处理速度。如果用GPU来处理，当然时间短很多了。在看官网的信息时，有些名词看不太懂，但号称在titanX 上的处理速度是每秒40-60张图片，识别精度为78.6% ；在coco 开发测试集上的voc 2007 上的识别精度为48.1%。这样看来，速度确实很快。

在https://www.youtube.com/上有yolo摄像头实时识别的视频，如果感兴趣可以翻墙去浏览。

第一步： 下载安装包并编译，（可以参考官网，文章下方有链接哦！）

第二步：下载预训练的超参数，也是权重

我们可以在终端输入ll,查看一下目录：

cfg/文件夹下包含一些网络模型的配置文件，yolo.weights则为刚下载好的权重。

第三步：执行检测

如果安装DarkNet的时候，没有使用OpenCV，上面的测试不会直接显示出图片结果，你需要自己手动打开predictions.png. 打开你会看到类似于下图的预测结果。

data目录下是自带的示例图片，结果如下：

我们可以看到检测到马的输出概率为91%，狗的概率为85%,另外他会生成一张图片，如下：

至此，证明我们已经安装yolo成功了！ 

1）单图片检测

   单图片检测，我们的已经演示过了：

 一般服务运行比较慢6s-12s，开启GPU会快速很多，会生成predictions.png，图中会标识出识别的物体。

 dog.jpg 就是要检测的图片，可以换成其余的试试。

 2）多图片检测

多图片检测跟单图片检测是差不多的，只是会不断的提示你输入图片路径进行检测

你可以data/hourses.jpg，

检测完，他继续提示你继续输入图片路径：

终止输入：ctrl + c 就可以退出

 3）设置检测的窗口的阈值

   这个一般没有必要设置，默认阈值是在.25或者以上，当可以通过

   -thresh   来设置，如果设置为0，则：

结果为：

这是完全没有必要的。

4，tiny yolo

  Tiny yolo 是更快的yolo模型，但是准确度很低下，可以慎重考虑使用，参考链接为：

https://pjreddie.com/darknet/imagenet/#reference

你可以试着去用tiny的权重voc集去测试一下：

虽然精度差了，但是处理速度高度200张每秒

5，通过摄像头实时监测

  通过摄像头实时监测识别，这样可以实时查看测试的结果是怎么样的，但是需要相应的设备来支持，硬件必须有摄像头，同时还要编译CUDA和OPENCV,可以执行以下的命令：

这样就会在展示每一帧上标识出识别的物体。

需要用openv连接到你电脑的摄像头上，摄像头是否能用不是很大问题；如果你有多个摄像头的话，就必须指定一个摄像头：-c  默认为0 第一摄像头。

如果你有video文件，openCV能够读取video的话，那么可以：

可以动态监测，这里建议去翻一下墙，在youtube 看看yolo的视频。

参考博客：javascript:void(0)

javascript:void(0)

darknet官网：https://pjreddie.com/darknet/