辛辛苦苦搭载好GPU环境现在要开始测试下效果1，准备好数据集2，测试开始（1），如果尚未安装Darknet，则应先进行安装gitclonehttps://github.com/pjreddie/darknetcddarknetmake

指定输出名称-c  断点续传-b  后台模式，使用‘tail-fwget-log’，查看过程--user-agent  指定发送请求时，请求头header部分-i  下载保存在文本中连接wgethttps://pjreddie.com

cuda9.0cudnn7.0opencv3.4.0安装cuda和cudnn教程安装opencv3.4.0教程实现YOLOV3的demo首先安装darknet框架，官网链接gitclonehttps://github.com/pjreddie

Darknet主页安装过程结语Darknet主页Darknet:OpenSourceNeuralNetworksinC安装过程clone源码到本地gitclonehttps://github.com/pjreddie

１．下载权重文件并放入检测器目录下，通过该地址下载：https://pjreddie.com/media/files/yolov3.weights２．理解权重文件官方的权重文件是一个二进制文件，它以序列方式储存神经网络权重

1.下载代码网址：https://github.com/ultralytics/yolov3（这就是要使用的项目）权重文件：https://pjreddie.com/media/files/yolov3

1环境配置1.1源码下载Github：deep_sort_pytorch1下载YOLOv3参数https://pjreddie.com/media/files/yolov3.weightshttps:/

2.Darknet安装安装过程如下：#代码下载gitclonehttps://github.com/pjreddie/darknet.git#修改Makefil

由于现在使用的是python，所以还是打算用darknet提供的python接口去实现》参考自：https://github.com/pjreddie/darknet/issues/2891.修改src

yolo来自于一篇名为《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》论文，它是目前主流的目标检测框架之一，更多有关yolo的内容可以参见https://pjreddie.com

Darknet-YOLOv3部署测试笔记1.安装部署安装部署在Linux环境，windows环境安装部署见参考1gitclonehttps://github.com/pjreddie/darknetcddarknetmake-j

①下载安装darknet(1)gitclonehttps://github.com/pjreddie/darknet.git(2)cddarknet/部分文件介绍：cfg:模型的架构，类似于caffe的

使用预先训练的模型分类下面是安装Darknet、下载分类权重文件和在图像上运行分类器的命令：gitclonehttps://github.com/pjreddie/darknet.gitcddarkn

具体的安装过程可以详见官网，https://pjreddie.com/darknet/install/1、从git库上Clone下来darknetgitclonehttps://github.com/pjreddie

darknet的git:https://github.com/pjreddie/darknet/tree/master一般训练和图片的推测，只需要编译cuda,cudnn就可以了。

网址：https://pjreddie.com/darknet/yolo/给出了模型训练的方法。2.1、YOLO模型训练的数据集格式YOLO训

Ubuntu16.04GetForceMX2504GCUDA9.0CuDNN7.0.5安装darknet及下载yolov3与训练权重yolo官网代码下载gitclonehttps://github.com/pjreddie

原作论文Yolov4:https://arxiv.org/abs/2004.10934更多细节:http://pjreddie.com/darknet/yolo/如何在COCO的评价服务器上评估YOLO-V4

基于keras-yolov3，原理及代码细节的理解本文GitHub源码：https://github.com/qqwweee/keras-yolo3yolov3论文地址：https://pjreddie.com

全名YOLOv3:AnIncrementalImprovement源码https://pjreddie.com/yolo/2.TheDeal2.1.BoundingBoxPredectionYOLOV3

安装darknet如果还没安装darknet，请先安装，使用以下命令：gitclonehttps://github.com/pjreddie/darknetcddarknetmake数

全名YOLO9000:Better,Faster,Stronger源码http://pjreddie.com/yolo9000/1.Introduction我们提出一种新方法来利用已有的大量分类数据，并利用它来扩展现有检测系统的范围

一、安装Darknet从官网配置darknet环境，这一步也可以看yolo作者的网站来进行，gitclonehttps://github.com/pjreddie/darknet.gitcddarknetmake

YOLO（YouOnlyLookOnce,YOLO）官网：https://pjreddie.com/darknet/yolo/YOLO是检测PascalVOC2012数据集内对象/目标的系统，能够检测出

全名YouOnlyLookOnce:Unified,Real-TimeObjectDetection代码地址http://pjreddie.com/yolo/参考https://www.jianshu.com

2.Darknet安装安装过程如下：#代码下载gitclonehttps://github.com/pjreddie/darknet.git#修改Makefil

官网：http://pjreddie.com/yolo/相关文章：http://arxiv.org/abs/1506.02640源代码：https://github.com/pjreddie/darknet.git1

*参考文章：原论文地址：https://pjreddie.com/media/files/papers/yolo_1.pdf深度学习检测方法梳理：http://www.cnblogs.com/venus024

YoloV3安装１．进入官网根据说明：下载Darknet：在自己喜欢的位置解压Darknet，进入Darknet目录并编译：cddarknetmake等待完成即可：下载权重文件：wgethttps://pjreddie.com

本篇文章主要是介绍一个完整快速的训练自定义目标的全过程，具体其中一些为什么另起一篇文章详细介绍一、在PC机上实现yolov31.下载darknet工程我们在github上下载其源码工程gitclonehttps://github.com/pjreddie

环境：Ubuntu16.04+CUDA8.0+cudnn5.1下载模型：gitclonehttps://github.com/pjreddie/darknetcddarknet修改Makefile文件配置

coco数据集的地址为http://cocodataset.org/#downloadvoc和coco的镜像为https://pjreddie.com/projects/pascal-voc-dataset-mirror

a.下载PascalVOC数据集http://pjreddie.com/media/files/VOCtrainval_11-May-2012.tarhttp://pjreddie.com/media/

darknet源码下载：https://github.com/pjreddie/darknet1.编译设置打开darknet的源码根目录，里面有Makefile文件，根据需要编译相关模块：darknet

系统版本：Ubuntu16.04显卡：GTX1070翻译+整理地址:https://pjreddie.com/darknet/install/YOLO:是实现实时物体检测的系统，Darknet是基于YOLO

一.训练环境1.YOLOv3编译：OpenCV+GPUgitclonehttps://github.com/pjreddie/darknetcddarknetvim...2.下载预训练权重(只包含卷积层

年首次被提出，在2017年CVPR上，JosephRedmon和AliFarhadi又提出了YOLOv2，在这之后，又提出了YOLOv3yolo系列是One-stage的目标检测官网地址：https://pjreddie.com

YOLOv3:AnIncrementalImprovementJosephRedmon,AliFarhadiUniversityofWashingtonhttps://pjreddie.com/darknet

原文链接：https://pjreddie.com/publications/YouOnlyLookOnce:Unified,Real-TimeObjectDetection-SlidesJosephRedmon

原文链接：https://pjreddie.com/publications/YOLO9000:Better,Faster,Stronger-SlidesJosephRedmon,AliFarhadiUniversityofWashingtonAllenInstituteforAIhttps

论文：YOLOv3:AnIncrementalImprovement论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdfYOLO系列的目标检测算法真的非常赞

SantoshDivvala,RossGirshick,AliFarhadiUniversityofWashingtonAllenInstituteforAIFacebookAIResearchhttps://pjreddie.com

一、标注工具（labelimg）1.下载地址2.双击运行3.保存后的文件为xml格式二、下载编译darknet1.拉取darknetgitclonehttps://github.com/pjreddie

darknet在github上的url:https://github.com/pjreddie/darknet，darknet官网:https://pjreddie.com/darknet

官网：https://pjreddie.com/darknet/imagenet/importtensorflowastffilter_initializer=tf.contrib.layers.xavier_initializer

Darknet简介：darknet【https://pjreddie.com/darknet/】是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV

我用的是Ubuntu版本Darknet框架的YOLOv3，参考作者的步骤（https://pjreddie.com/darknet/

Yolo系列论文：https://pjreddie.com/Yolov1动机许多目标检测算法使用two-stage的方式，首先生成潜在的bbox，然后对bbox的内容进行分类，再进行后处理优化bbox、

由于项目需要，需要使用yolov3实现目标检测，现将这段时间的学习内容进行总结如下：一.跑官方的demo1.下载darknet,也就是YOLO：gitclonehttps://github.com/pjreddie

1.安装darknet使用Git克隆源码gitclonehttps://github.com/pjreddie/darknet我们可能需要修改MakefilecddarknetgeditMakefile