基于YOLOV3的通用物体检测项目实战---（3）YOLOV3 DarkNet框架介绍和环境搭建（笔记）

YOLO V3检测模型的环境搭建

YOLOV3介绍：

• 速度和精度最均衡的目标检测网络
• 融合多种先进方法，改进YOLOV1/V2缺点，且效果更优
  
  YOLOV3具体图解在：https://blog.csdn.net/qq_43211132/article/details/91044151

DarkNet

• 一个较为轻型的完全基于C与CUDA的开源深度学习框架。
• 容易安装，没有任何依赖项，移植性非常好，支持CPU与GPU两种计算方式
• http://pjreddie.com/darknet/
  DarkNet特性：
• darknet完全有c语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用来显示图片，为了更好的可视化
• darknet支持CPU与GPU（CUDA/cuDNN）
• 轻量型、灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展
• darknet的实现与Caffe的实现存在相似的地方

网络配置文件

• .cfg
  权值文件
  .weights
  
  DarkNet安装配置
  
  具体实现过程也可以看之前写的：https://blog.csdn.net/qq_43211132/article/details/90640540 这个全。
  Darknet测试：

./darknet imtest data/eagle.jpg

重点关注cfg文件和.weights文件
.cfg文件：这里包含丰富的网络结构

再看alexnet

这里定义了网络训练过用到的基本参数，以及输入数据的尺寸大小，还有数据增强的一些参数，接下来就是卷积层，池化层堆叠的过程。其他的网络结构与alexnet配置结构形式是一致的。
其实没什么可安装的，只要下载Darknet就ok了。

再看看下载coco数据集的脚本：


可直接用它的命令下载。