YOLO-LITE在Windows下的配置

0.首先

感谢作者们的辛苦科研，配置其实特别简单，YOLO-LITE的问世专门为了没有GPU这些人的简易模型，因为足够lite

layer     filters    size              input                output
    0 conv     16  3 x 3 / 1   224 x 224 x   3   ->   224 x 224 x  16
    1 max          2 x 2 / 2   224 x 224 x  16   ->   112 x 112 x  16
    2 conv     32  3 x 3 / 1   112 x 112 x  16   ->   112 x 112 x  32
    3 max          2 x 2 / 2   112 x 112 x  32   ->    56 x  56 x  32
    4 conv     64  3 x 3 / 1    56 x  56 x  32   ->    56 x  56 x  64
    5 max          2 x 2 / 2    56 x  56 x  64   ->    28 x  28 x  64
    6 conv    128  3 x 3 / 1    28 x  28 x  64   ->    28 x  28 x 128
    7 max          2 x 2 / 2    28 x  28 x 128   ->    14 x  14 x 128
    8 conv    128  3 x 3 / 1    14 x  14 x 128   ->    14 x  14 x 128
    9 max          2 x 2 / 2    14 x  14 x 128   ->     7 x   7 x 128
   10 conv    256  3 x 3 / 1     7 x   7 x 128   ->     7 x   7 x 256
   11 conv    125  1 x 1 / 1     7 x   7 x 256   ->     7 x   7 x 125
   12 detection

就这么lite，比tiny-yolo还轻量化。

其实这篇文章是 的主要目的个人觉得是在探究batch normalization在浅层网络的必要性的——没必要【摊手】

下面说一下怎么让它跑起来。

1. 配置darknet框架

其实如果看过我之前的文章就应该知道如何配置，很简单，文章链接

这里我们用yolo-v2源码，下载链接

找到darknet_no_gpu.sln，双击打开,我用的是vs2015 professional

 配置好opencv，我用的是opencv320

 包含目录、库目录、附加依赖项。

点击--生成---生成解决方案

就会在生成一个x64的目录

里面会有 darknet_no_gpu.exe重命名成darknet.exe

2.下载YOLO-LITE源码

github链接  

觉得速度不够可以考虑网盘下载---437.92MB

下载完事以后，解压会看到有很多文件

 将YOLO-LITE-master中的cfg文件夹中的文件拷贝到你刚刚配置darknet中的x64文件夹中的cfg文件夹里

将 YOLO-LITE-master的weights文件夹复制到x64文件夹中，我将它重命名为weights_lite

完成后的文件夹像这样

3.测试

在x64文件夹中，Shift+鼠标右键 打开Windows PowerShell 输入cmd，输入以下指令

darknet.exe detector test data/voc.data cfg/tiny-yolov2-trial3-noBatch.cfg weights_lite/tiny-yolov2-trial3-noBatch.weights dog_china.jpg

注意图片的路径和名称，结果

测试完成！ 

此狗为中华田园犬

4.训练

其实和darknet下的训练没有什么区别，只是YOLO-LITE的网络不一样而已，不再赘述~