最輕的YOLO算法出來了！這是個模型很是小、號稱目前最快的YOLO算法——大小隻有1.3MB，單核每秒148幀，移動設備上也能輕易部署。並且，這個YOLO-Fastest算法知足全部平臺的須要。不管是PyTorch，仍是Tensorflow，又或者是Keras和Caffe，能夠說是全平臺通用。此外，做者還推出了超輕YOLO的「加大版」，一樣只須要3.5MB，就能實現比YOLOv3更好的目標檢測效果。那麼，這麼輕的網絡，檢測效果怎麼樣？node
一、模型編譯、測試和訓練
1.一、YOLO-Fastest編譯
-
第一步：
git clone https://github.com/dog-qiuqiu/Yolo-Fastest
-
第二步：
下載安裝opencv：https://github.com/opencv/opencv/releases/tag/4.4.0
-
第三步：
打開cmake，選擇Yolo-Fastest文件夾爲source code路徑，Yolo-Fastest文件夾爲目標文件夾；而後點擊configure，再選擇opencv.exe解壓縮後的build文件夾爲OPENCV_DIR的路徑；
-
第四步：
打開Visual Studio2017(具體根據你在configure時選擇的編譯環境，最好選擇2017)，選擇release，而後生成解決方案；
-
第五步
編譯完成後在Yolo-Fastest目錄下會有Release文件夾，把裏面編譯完成的darknet.dll和darknet.exe複製到Yolo-Fastest/build/darknet/x64目錄下； -
第六步
把Yolo-Fastest目錄下的除README.MD之外的4個文件複製到Yolo-Fastest/build/darknet/x64/cfg目錄下；
1.二、YOLO-Fastest視頻和圖片測試
-
一、 視頻測試
輸入以下指令既可測試視頻檢測並輸出檢測的結果，CPU檢測能夠達到14FPS/s，比同等條件下使用GPU檢測的YOLO-V4快不少：
./darknet detector demo ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/test_car.mp4 -i 1 -thresh 0.25 -out_filename ./data/car_output.mp4
注意，測試視頻能夠爲任意你本身想檢測的視頻文件，這裏小編只用了手上有的視頻進行了測試git
-
二、 圖片測試
輸入以下指令既可測試視頻檢測並輸出檢測的結果，CPU檢測用時爲 ：
./darknet detector test ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/person.jpg -i 1 -thresh 0.25 -out_filename ./data/person_output.jpg
二、YOLO-Fastest訓練
-
一、 根據voc數據集的形式標註本身的數據集；github
-
2 、生成一個預先訓練好的模型，用於初始化模型主幹:web
./darknet partial yolo-fastest.cfg yolo-fastest.weights yolo-fastest.conv.109 109
-
3 、Train:
./darknet partial yolo-fastest.cfg yolo-fastest.weights yolo-fastest.conv.109 109
如下是原做者所獲得的結果算法
References
[1] https://github.com/dog-qiuqiu/Yolo-Fastest
[2] https://github.com/AlexeyAB/darknet微信
本文分享自微信公衆號 - 計算機視覺CV（jsjsjcv）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。網絡