YOLOv4目标检测

文章目录

软硬件环境

此处是youtube的播放链接，需要科学上网。喜欢我的视频，请记得订阅我的频道，打开旁边的小铃铛，点赞并分享，感谢您的支持。

YOLO 是目标检测领域非常优秀的算法之一，近日，YOLO 第四个版本发布了，论文地址: https://arxiv.org/pdf/2004.10934.pdf，该论文提出了五大改进，二十多个技巧，效果显著，同样的，YOLOv4 也是基于 darknet 框架。

工程源码托管在 https://github.com/AlexeyAB/darknet，基本使用方法跟 YOLOv3 是一模一样的，如果不清楚的话，可以参考之前的文章 Darknet基本使用

首先我们需要下载 YOLOv4 的模型文件，地址是 https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT，如果链接打不开的话，请到下面链接下载

接下来还是下载源码

git clone https://github.com/AlexeyAB/darknet.git
cd darknet

默认情况下，Makefile 没有打开 gpu、cudnn 和 opencv 等选项，我这边是有这些环境的，关于 cuda、cudnn的安装，可以参考之前的链接 https://xugaoxiang.com/2019/12/13/ubuntu-cuda/

所以呢，还是要根据自己的实际情况，编辑 Makefile，修改

GPU=1
CUDNN=1
OPENCV=1

修改成功后开始编译，直接输入命令 make

make

等到编译过程结束，在当前目录下会生成可执行文件 darknet

最后，我们来测试下

# 图片检测
./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

yolov4

# 图片检测
./darknet detect cfg/yolov4.cfg yolov4.weights data/horses.jpg

yolov4

对比下 YOLOv3 的检出结果，直观的就能发现，YOLOv4 能够检测出 dog.jpg 右上角的 pottedplant，而 YOLOv3 不行；在 horses.jpg 中，YOLOv4 可以检测出所有的马匹，而 YOLOv3 只能检出4匹