Ubuntu18.04配置darknet环境实现YOLOv4目标检测(一)——配置YOLOv4环境darknet
目录
1. 概述
2.darknet配置
2.1 下载darknet
2.2 编译darknet
3.测试
3.1 测试图片
1. 概述
YOLO官方网址：https://pjreddie.com/darknet/yolo/
YOLOv1~v3作者开源项目地址：https://github.com/pjreddie/darknet
YOLOv4作者开源项目地址：https://github.com/AlexeyAB/darknet
YOLOv1论文地址：https://arxiv.org/pdf/1506.02640.pdf
YOLOv2论文地址：https://arxiv.org/pdf/1612.08242.pdf
YOLOv3论文地址：https://arxiv.org/pdf/1804.02767.pdf
YOLOv4论文地址：https://arxiv.org/pdf/2004.10934.pdf
测试demo：https://www.bilibili.com/video/BV18A41147LY
https://www.bilibili.com/video/av21133426
2.darknet配置
2.1 下载darknet
在Ubuntu终端输入以下命令：
git clone https://github.com/AlexeyAB/darknet.git2.2 编译darknet
在编译darknet前首先需要修改Makefile，在终端输入以下命令：
cd darknet
gedit Makefile打开后根据需要修改GPU，CUDNN等的值，GPU为1的话需要安装cuda，CUDNN为1的话需要安装CUDNN，CUDNN_HALF仅支持带有Tensor Cores的GPU如Titan V / Tesla V100 / DGX-2或者之后的显卡。
OPENCV为1的话，需要安装OpenCV，安装OpenCV可以在终端中输入以下命令：
sudo apt-get install libopencv-dev通过编译安装opencv的话可以参考这篇博客的安装步骤：
https://blog.csdn.net/linghu8812/article/details/106677173
修改完Makefile之后，在终端中输入：
make或者
make -j8进行编译，j后面的数字表示cpu核数，cpu有多少个核就可以写几。
3.测试
3.1 测试图片
编译成功之后，进行测试，首先需要下载权重，权重下载地址：
https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
完成权重下载后，可以写一个shell的脚本文件，在终端中输入
touch test_coco.sh
gedit test_coco.sh在test_coco.sh文件中写入以下内容：
./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25 ./data/dog.jpg在终端中输入以下命令后可以看到：
./test_coco.sh完成检测后，可以得到如下结果，说明配置成功。
终端输出的结果如下，输出了每种类别的置信度。
data/dog.jpg: Predicted in 21.041000 milli-seconds.
bicycle: 92%
dog: 98%
truck: 92%
pottedplant: 33%下图是YOLOv3的结果，YOLOv4比YOLOv3多检测了一个pottedplant。
终端输出的结果如下
data/dog.jpg: Predicted in 17.278000 milli-seconds.
bicycle: 100%
dog: 100%
truck: 94%