目标检测算法代码调试成功——yoloV3,以及CornerNet-Lite-core

目标检测

2020-6.18 更新，添加yolov5 权重文件

yolov5 4个权重: 下载地址

今天介绍两种目标检测代码的的运行环境以及如何成功调试。（输入图片，生成目标框）。

1.yoloV3 windows 版

yoloV3这个代码是将yolov3算法在windows下实现。首先你需要的环境是：python3.pytorch1.0.（cuda10.，cudnn,显卡驱动啦，这些在配置pytorch时就需要了。建议安装anaconda最新版，即python3.7，），然后命令行输入

pip install opencv-python

安装最新版opencv.
将上文链接中的代码下载到本地。直接执行detect.py(命令行执行也行，添加到pycharm工程中也行)，就能成功完成一张图片的目标检测。。有木有觉得这个代码是多么的友好，稍微配置下环境就能执行！！！当然这个工程里还有视频中的目标检测，以及打开摄像头的。。剩下的就靠你们探索了。

2.CornerNet-Lite

CornerNet-Lite： https://github.com/YanDingXin/CornerNet-Lite 宣称可以吊打yolov3，不过，经过的验证，也没那么夸张喂，有木有！。。/。
首先需要的环境：
1.linux系统（我选择的是Ubuntu16.04）
2.python3+pytorch1.0(同样需要有显卡驱动，CUDA.CUDNN啦，配置版本对应的)
3.需要安装相应版本的opencv,可直接 pip install opencv-python 安装，也可以再pycharm 里装
在作者的guthub工程中，由于里面有个 core 文件夹中的API代码更新了，导致无论是pytorch0.4.0,还是1.0编译的他们自定义的pooling层都会报错。所以，你可以点击 here 下载原来的core文件替换，再按照给出的步骤运行（即python setup.py install --user ; make 这两个操作）如果你的python3环境已经有了python3.7和pytorch1.0，那就没有必要配置一个虚拟环境了。

里面有demo.py 示例文件。可以直接运行啦。剩下的可以修改代码完成你的工作。