此外:  YOLO-V2总结篇    Yolo9000的改进还是非常大的

          由于原版的官方YOLOv1是只支持linux 和mac的,如果要自己修改,可能需要走好对哦的坑,同时还得具备一定的技术水平,幸好有革命斗士为我们走出了这一步,


         推荐使用第二个版本,比较新,使用CUDA8.0,第一个版本使用CUDA6.5.

         推荐使用YOLO-V2版本,V1版本没有编译成功。

         随便下载上面的一个yolo,然后进入yolo-windows-master\build\darknet\下面,用vs2013直接打开darknet.sln,选择,x64版本,只要配置OpenCV和pthreads就可以,

为了方便大家参考,这里贴出本人的环境配置...........................

         .................................


         配置好编译时,出现:error C2275: 'size_t'.....问题

         解决方法: 把出错的地方,变量声明全部移到函数头部.....

         此外,一步编译成功......


编译成功:

             进入,yolo-windows-master\build\darknet\x64\Release\下面,

             去官网链接,​​http://pjreddie.com/media/files/yolov1.weights,下载好yolov1.weights,https://pjreddie.com/darknet/yolo/,使用

https://pjreddie.com/media/files/yolo.weights

           得到预训练的权值。

            然后运行,darknet.cmd darknet_coco.cmd,随便输入一张图像,例如,person.jpg,就会出来运行效果。

            其中第一个为cpu+debug版本,第二个为cpu+release版本,


下图为运行结果:

        DNN:windows使用 YOLO V1,V2_环境配置       DNN:windows使用 YOLO V1,V2_github_02

        DNN:windows使用 YOLO V1,V2_github_03


编译cudnn版本

        在convlutional_kernels.cu 工程出现 unsolved external symbol cudnn_handle.

        在darkNet源代码里面 cuda.h 已经声明!


训练篇:

这里假定我要实现一个简单的人脸检测。

(1)首先就是数据集的准备,这里建议使用python+QT开发的抠图小工具,labelImg。

(2)模仿VOC的格式建立相应的文件夹,执行,