admin管理员组

文章数量:1531447

文章目录

  • YOLO简介
  • 使用方法
  • 检测效果
  • 参考资料

YOLO简介

  YOLO是一个比较容易复现和搭建的目标识别算法，主要基于Darknet实现。YOLO可以快速实现对图片、视频中目标的检测，目前已经更新到第三代。在这里不详细介绍YOLO的实现原理，感兴趣的朋友可以自己去官网查看资料，官网上有详细的资料文档，还有简单教程。本章主要在OrangePi上搭建YOLO，并对图片进行目标检测，检测效果如下图：

使用方法

YOLO3在OrangePi上没办法运行，因此使用YOLO2，使用Tiny版本神经网络权重（weights）
1.下载Darknet

git clone https://github.com/pjreddie/darknet
cd darknet
make

2.下载训练好的神经网络权重

wget https://pjreddie.com/media/files/yolov2-tiny-voc.weights

3.对图片进行检测
可以替换data/dog.jpg成其他图片，实现对其他图片的检测

./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights data/dog.jpg

**注意：**检测结果呈现在/Darknet/目录下，每张处理后的图片都以predictions。jpg命名，后生成的图片会替换掉之前图片。

检测效果

  由下图可以看出将图中识别狗的概率为78%，识别车的概率为55%，识别时间为48.256994s。在OrangePi上处理时间较慢，主要是由于OrangePi处理器处理能力较弱，在电脑上使用时还可以使用CUDA加速。

参考资料

YOLO官网
YOLO3官网连接
YOLO3官网连接

本文标签： 目标专题ArmbianYolo

版权声明：本文标题：Armbian专题——YOLO目标识别 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1725094025a1006246.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。