YOLO-Fastest从Darknet源码编译、测试再到训练完整图文教程！

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

最轻的YOLO算法出来了！这是个模型非常小、号称目前最快的YOLO算法——大小只有1.3MB，单核每秒148帧，移动设备上也能轻易部署。而且，这个YOLO-Fastest算法满足所有平台的需要。不论是PyTorch，还是Tensorflow，又或者是Keras和Caffe，可以说是全平台通用。此外，作者还推出了超轻YOLO的“加大版”，同样只需要3.5MB，就能实现比YOLOv3更好的目标检测效果。那么，这么轻的网络，检测效果怎么样？

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

References

[1] https://github.com/dog-qiuqiu/Yolo-Fastest
[2] https://github.com/AlexeyAB/darknet

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~