yolov3实践（一）

很多博友看了我的第一篇博客yolo类检测算法解析——yolo v3，对其有了一定的认识和了解，但是并没有贴出代码和运行效果，略显苍白。因此在把篇博客理论的基础上，造就了第一篇实践文章，也就是本文。只要读者有着强大的理论支撑，什么模型什么框架都是一样玩。所以老师又会跟你说哲学和科学、科学和技术存在如何的关联，尽管很抽象，但是没有人反驳过就像有这么多的编程语言，各有特色，最后也都干了相同或相似的事，那么多的框架，各有千秋，最后也都干了相同或相似的事。又或者说反了，是因为它们都想干相同或相似的事，而又有着不同的实现方法，最后形成了那么多的框架和语言，也许这就是All roads lead to Rome的道理。虽都是通往罗马的路，但是每条路的特征不一样，存在即合理......

yolov3的实践篇必须向读者介绍两个很好用的开源项目，面向Windows开发用户而设计，而它们都来源于同一个作者，也就是AlexeyAB，作者的奉献推动了yolo系列算法的研究和推进，在此仅以绵薄的文字表达对作者的敬仰之意。本篇博客主要是介绍、安装和使用这两个项目的入门介绍。

两个项目：

1. Yolo_mark

这是在yolo项目下作者创建的标注项目，就是把图片集标注成一个txt文件，如下：

0 0.498437 0.481499 0. 117188 0.175000

第一位是类ID，表示为0具体代表的是啥，请看相应的.names文件，然后接下来四个小数字代表的是bbox和图片分辨率的关系，具体说明一下：

 yolo中用到的GT都是bbox中心点坐标，但是光有中心点坐标是不能准确定位一个框的，所以需要两个辅助的坐标，自然就是框的宽和高，并对其归一化处理；而在预测环节，如果用相对anchor box的绝对值坐标，同一目标相对anchor的位置受参数影响变化很大，模型收敛困难，因此论文通过相对网格点的偏移固定bbox中心点，并通过先验anchor box预测bbox的宽和高，这样的话，可以概括为：

#GT:假设bbox的中心点坐标为(x,y);bbox的宽和高分别为(w,h);图片分辨率为(u,v),本来的坐标是(x,y,w,h);归一化后的坐标是：(x/u, y/v, w/u, h/v)
#Pr:(x,y,w,h)通过建立相对网格点和anchor box的位置关系获得。
#同理，上述推理也很容易求得bbox矩形框的坐标，画出最终的检测结果。

曾经我也试用了一下，感觉还是很不错的，感兴趣的可以写一个标注的工具分享给大家。

如何编译和使用，项目介绍里写得很清楚；需要将opencv的依赖配置到项目属性中，编译过程中可能会遇到如下错误：

• 找不到highgui.hpp：这个错误是由于头文件地址不对，把highgui.hpp的地址改为#include<opencv2/highgui/highgui.hpp>。
• snprintf()函数报错：在Windows系统中该函数其实是_snprintf，但是编译器提示最好用_snprintf_s()函数替代。

2. darknet

 这个项目才是最重要的。首先第一步就是配置darknet。本文的环境是cuda8.0和cudnn7。首先需要打开darknet项目的vcxproj文件，修改cuda版本，否则会无法加载darknet项目。修改9.1 为8.0，如图：

 

紧接着打开darknet项目解决方案，配置项目属性。

• 配置第三方库，如图所示。

• 配置opencv，步骤同上，include，lib，如果配置好就不需要再配了，此处省略。
• 预编译器定义。

接下来就可以build该项目了，如图所示：

 

成功之后，就是和之前的yolo版本一样用了，Ubuntu的也是，代码也是差不多。下面测试一下其性能：

测试视频：darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.mp4 

测试图片：darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.jpg

测试USB摄像头：darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights  -i 0 -thresh 0.25 -c 0

忘截图了，如果USB摄像头无法调用，第一步确保电脑相机可以打开，第二步尝试更换-c 后面的编号，第三步参考USB摄像头无法正常读取问题。

最后，重要的部分，yolo里面有几个源代码文件对应于上面的测试，具体请看：darknet.c（主程序）解析第一个输入的关键字指令，比如上面的detector，然后执行run_detector(int argc, char **argv)这个函数，接着跳到detector.c，继续解析命令行关键指令，比如上面的demo和test和后面跟着的配置参数如cfg，data，weight等等，重点是demo跳到

demo(cfg, weights, thresh, hier_thresh, cam_index, filename, names, classes, frame_skip, prefix, out_filename, http_stream_port, dont_show);

就到了demo.c里面，test就跳到test_detector(datacfg, cfg, weights, filename, thresh, hier_thresh, dont_show)函数了。还有image.c，detection_layer.c，utils.c，data.c等等。

欢迎加入QQ交流群864933024