Armbian专题——YOLO目标识别

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。

Armbian专题——YOLO目标识别_第1张图片

检测效果

Armbian专题——YOLO目标识别_第2张图片
  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。
Armbian专题——YOLO目标识别_第3张图片

参考资料

YOLO官网
YOLO3官网连接
YOLO3官网连接

你可能感兴趣的:(OrangePi)