1、模型编译、测试和训练
1.1、YOLO-Fastest编译
- 第一步：
git clone https://github.com/dog-qiuqiu/Yolo-Fastest
- 第二步：
下载安装opencv：https://github.com/opencv/opencv/releases/tag/4.4.0
- 第三步：
打开cmake，选择Yolo-Fastest文件夹为source code路径，Yolo-Fastest文件夹为目标文件夹；然后点击configure，再选择opencv.exe解压缩后的build文件夹为OPENCV_DIR的路径；
- 第四步：
打开Visual Studio2017(具体根据你在configure时选择的编译环境，最好选择2017)，选择release，然后生成解决方案；
- 第五步
编译完成后在Yolo-Fastest目录下会有Release文件夹，把里面编译完成的darknet.dll和darknet.exe复制到Yolo-Fastest/build/darknet/x64目录下； - 第六步
把Yolo-Fastest目录下的除README.MD以外的4个文件复制到Yolo-Fastest/build/darknet/x64/cfg目录下；
1.2、YOLO-Fastest视频和图片测试
- 1、视频测试
输入如下指令既可测试视频检测并输出检测的结果，CPU检测可以达到14FPS/s，比同等条件下使用GPU检测的YOLO-V4快很多：
./darknet detector demo ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/test_car.mp4 -i 1 -thresh 0.25 -out_filename ./data/car_output.mp4
注意，测试视频可以为任意你自己想检测的视频文件，这里小编只用了手上有的视频进行了测试
- 2、图片测试
输入如下指令既可测试视频检测并输出检测的结果，CPU检测用时为：
./darknet detector test ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/person.jpg -i 1 -thresh 0.25 -out_filename ./data/person_output.jpg
2、YOLO-Fastest训练
- 1、 根据voc数据集的形式标注自己的数据集；
- 2 、生成一个预先训练好的模型，用于初始化模型主干:
./darknet partial yolo-fastest.cfg yolo-fastest.weights yolo-fastest.conv.109 109
- 3 、Train:
./darknet partial yolo-fastest.cfg yolo-fastest.weights yolo-fastest.conv.109 109
以下是原作者所得到的结果
