摘要：工作原理以前的檢測系統(tǒng)通過重復(fù)利用分類器和定位器來實現(xiàn)目標(biāo)識別。修改檢測閾值缺省情況下，只顯示信心大于的對象。用法如下這個，呵呵，不完美把白馬識別成綿羊了，把黑狗識別成奶牛了，但確實很快。

原標(biāo)題：YOLO: Real-Time Object Detection
英文原文：https://pjreddie.com/darknet/...
強烈推薦（TED視頻）：https://www.ted.com/talks/jos...

You only look once (YOLO)是目前最先進(jìn)的實時對象檢測系統(tǒng)。在一臺Titan X上它能實時處理40-90幀每秒的圖像，并且準(zhǔn)確率高達(dá)78.6%（VOC 2007）和48.1%（COCO test-dev）。

Model    Train    Test    mAP    FLOPS    FPS    Cfg    Weights
Old YOLO    VOC 2007+2012    2007    63.4    40.19 Bn    45    link
SSD300      VOC 2007+2012    2007    74.3    -    46    link
SSD500      VOC 2007+2012    2007    76.8    -    19    link
YOLOv2      VOC 2007+2012    2007    76.8    34.90 Bn    67    cfg    weights
YOLOv2 544x544    VOC 2007+2012    2007    78.6    59.68 Bn    40    cfg    weights
Tiny YOLO    VOC 2007+2012    2007    57.1    6.97 Bn    207    cfg    weights
SSD300    COCO trainval    test-dev    41.2    -    46    link
SSD500    COCO trainval    test-dev    46.5    -    19    link
YOLOv2 608x608    COCO trainval    test-dev    48.1    62.94 Bn    40    cfg    weights
Tiny YOLO    COCO trainval    -    -    7.07 Bn    200    cfg    weights

以前的檢測系統(tǒng)通過重復(fù)利用分類器和定位器來實現(xiàn)目標(biāo)識別。它們把模型套在圖像的不同位置和大小區(qū)域，通過圖像各區(qū)域的最高分值來判定結(jié)果。

我們使用了完全不同的方法。我們通過把一個多帶帶的神經(jīng)網(wǎng)絡(luò)放在整個圖像上來進(jìn)行識別。這個網(wǎng)絡(luò)把圖像分成區(qū)域并對邊框和各區(qū)域的可能性進(jìn)行預(yù)測。這些邊框通過預(yù)測到的可能性進(jìn)行加權(quán)。

我們的模型相比于基于分類器的系統(tǒng)有幾個優(yōu)勢。它在測試時觀察整個圖像，所以它的預(yù)測是基于整個圖像上下文的。并且它通過一個單一網(wǎng)絡(luò)進(jìn)行預(yù)測，不像那些R-CNN系統(tǒng)需要對一幅圖像運用上千的網(wǎng)絡(luò)。這一特點使我們的系統(tǒng)超級快，速度是R-CNN的上千倍，一百倍快于快速R-CNN。想對全系統(tǒng)有更深入了解，可以閱讀我們的論文。

下面帶你使用預(yù)先訓(xùn)練好的模型通過YOLO系統(tǒng)進(jìn)行對象檢測。如果你還沒有安裝Darknet的話，你可以通過以下命令安裝：

git clone https://github.com/pjreddie/darknet
cd darknet
make

就是這么簡單！

cfg/子目錄下已經(jīng)預(yù)置好了YOLO的配置文件。你還需要下載預(yù)先訓(xùn)練好的權(quán)重文件(258 MB):

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

然后就可以開始運行檢測器了！

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

你會看到類似下面這樣的輸出：

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32
    1 max          2 x 2 / 2   416 x 416 x  32   ->   208 x 208 x  32
    .......
   29 conv    425  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 425
   30 detection
Loading weights from yolo.weights...Done!
data/dog.jpg: Predicted in 0.016287 seconds.
car: 54%
bicycle: 51%
dog: 56%

Darknet顯示出它檢測到的對象、信心以及花了多少時間。因為我們沒有把Darknet和OpenCV一起編譯，所以不能直接顯示圖像結(jié)果。但是我們把圖像結(jié)果保存在了predictions.png文件里。你可以打開這個文件看到檢測之后的結(jié)果。因為我們現(xiàn)在是在CPU上運行Darknet，所以它會花費6到12秒的時間才能處理一幅圖像。如果我們用GPU版本的話，所需時間會短得多。

我在這里提供了其它幾幅圖像，如果你感興趣可以逐一嘗試一下。試試data/eagle.jpg, data/dog.jpg, data/person.jpg和data/horses.jpg吧！

上面那個命令里的detect是一個更通用命令的精簡版，它等價于下面這個命令：

./darknet detector test cfg/coco.data cfg/yolo.cfg yolo.weights data/dog.jpg

如果你只是想在一幅圖像上進(jìn)行檢測的話，你不需要了解這些。但如果你想在攝像頭上進(jìn)行檢測的話，這個命令還是非常有用的。后面我們會講如何在攝像頭上進(jìn)行實時檢測。

除了在命令行提供文件名進(jìn)行一幅圖像檢測以外，你也可以不輸入文件名，這樣就可以進(jìn)行多幅圖像檢測了。配置和權(quán)重文件加載完成后，系統(tǒng)會提示你輸入文件名：

./darknet detect cfg/yolo.cfg yolo.weights
layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32
    1 max          2 x 2 / 2   416 x 416 x  32   ->   208 x 208 x  32
    .......
   29 conv    425  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 425
   30 detection
Loading weights from yolo.weights ...Done!
Enter Image Path:

在這里輸入圖像文件名如data/horses.jpg就可以對這幅圖像進(jìn)行檢測。

檢測完成后系統(tǒng)會提示你輸入其它圖像的文件名。全部檢測完成后按下Ctrl-C來退出。

缺省情況下，YOLO只顯示信心大于.25的對象。你可以通過附加-thresh 參數(shù)來修改這一設(shè)定。比如，你可以把閾值修改為0來顯示所有檢測到的對象：

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg -thresh 0

結(jié)果如下：

這樣的結(jié)果似乎沒什么用，不過你可以通過修改為不同數(shù)值來控制模型檢測的結(jié)果。

Tiny YOLO是基于Darknet參考網(wǎng)絡(luò)的非常快速但準(zhǔn)確率不如常規(guī)YOLO的模型。用法如下：

wget https://pjreddie.com/media/files/tiny-yolo-voc.weights
./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg tiny-yolo-voc.weights data/dog.jpg

這個，呵呵，不完美（把白馬識別成綿羊了，把黑狗識別成奶牛了），但確實很快。在GPU版本上，它能處理超過200幀每秒的圖像。

在測試數(shù)據(jù)上運行YOLO沒什么意思，無法直接看到結(jié)果。下面我們讓它來直接處理攝像頭的輸入！

要運行這個示例，你需要把Darknet和CUDA和OpenCV集成編譯，然后運行以下命令：

./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights

YOLO顯示當(dāng)前幀率并在它檢測到的對象上加上方框。

你必須在電腦上安裝好攝像頭連接到OpenCV，否則沒法工作。如果你有多個攝像頭，可以通過-c 來指定其中之一（OpenCV缺省使用0號攝像頭）。

你也可以讓它對一段視頻進(jìn)行處理：

./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights 

下面這段Youtube視頻就是這么處理的：