软硬件环境
- ubuntu 18.04 64bit
- nvidia gtx 1660
- YOLOv4
视频看这里
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。
YOLOv4
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。
YOLOv4检测
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
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，所以呢，编辑Makefile，修改
GPU=1
CUDNN=1
OPENCV=1
修改成功后开始编译
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
./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg
./darknet detect cfg/yolov4.cfg yolov4.weights data/horses.jpg
对比下YOLOv3的检出结果，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
