YOLO---多个版本的简单认识

YOLO---多个版本的简单认识

YOLOv3 有好几个经典版本了：
一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet
二、YOLOv3（darknet优化了）@ https://github.com/AlexeyAB/darknet
三、YOLOv3 with OpenCV官网 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3

四、其他github上有tensorflow、caffe、keras、pytorch等版本，略。

引用：
windows版本：请参考 https://github.com/AlexeyAB/darknet
linux版本：请参考 https://pjreddie.com/darknet/yolo

简介
一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet
　　一开始github上最热的开源项目，在linux系统下做的，现在各个大神改版也有在windows下使用了。
下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、...
依赖环境：C++、OpenCV、python、...
编译情况：下载源文件，需要make进行编译后，才能使用
支持：linux系统（最先支持） + windows + CPU + GPU(可适用于英伟达)
（1）源码的常用执行命令：

u@u1604:~/darknet$
()测试一张图片---detect
./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/person.jpg
./darknet detector test cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights data/person.jpg

()测试本地视频---demo
./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights wp_video/person002.mp4

()测试usb视频---
./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights

()测试rstp视频---
./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0 -thresh 0.25

./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0

-----------to test many pics------------------------
./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i  #CPU  enter
Enter Image Path:

./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i  #GPU  enter
Enter Image Path: 

（2）自写python接口文件，执行：

python2 xx.py
python3 xx.py

二、YOLOv3（darknet优化了）@ https://github.com/AlexeyAB/darknet
　　一开始github在windows系统下做的，现在各个大神改版也有在linux下使用了。
下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、...
依赖环境：C++、OpenCV、python、...
编译情况：下载源文件，需要make进行编译后，才能使用
支持：windows系统（最先支持） + linux  + CPU + GPU(可适用于英伟达)
基本使用命令同《一、YOLOv3 (Darknet）官网》，但部分有少许差别

.  AlexeyAB改进项

    提供window支持

    相较于原版pjreddie版本darknet提升了训练速度

    添加了二值化网络，XNOR(bit) ，速度快，准确率稍低https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov3-tiny_xnor.cfg

    提升7%通过将卷积层和BN层合并为一个（*_*）不太懂。

    多GPU训练提升

    修补了[reorg]层

    添加了mAP, IOU，Precision-Recall计算

    darknet detector map...

    可以在训练过程中画loss图像

    添加了根据自己数据集的anchor生成

    提升视频检测，网络摄像头，opencv相关问题

    提出了一个INT8的网络，提升了检测速度，但是准确率稍有下降

    https://github.com/AlexeyAB/yolo2_light

@  https://www.cnblogs.com/pprp/p/10204480.html#alexeyab%E6%94%B9%E8%BF%9B%E9%A1%B9

三、YOLOv3 with OpenCV官网 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3
下载并备齐：yolov3.weights权重文件、yolov3.cfg网络构建文件、coco.names、xxx.jpg、xxx.mp4文件、object_detection_yolo.cpp、object_detection_yolo.py等文件；
依赖环境：C++的编译环境（如G++/VScode）、OpenCV3.4.2+(记住安装目录)
编译情况：下载源文件，无需复杂的编译，直接修改进行应用
支持：windows + linux  + CPU + GPU(只适用于英特尔)
（1）在OpenCV中使用YOLOv3, 可以在windows下+ ubuntu下使用。
（2）windows下，之前做，object_detection_yolo.cpp是在Visual Studio（VS）下编译的。
（3）ubuntu下，这次，object_detection_yolo.cpp是g++编译的。
（3）OpenCV的DNN，GPU仅使用英特尔的GPU进行测试，因此如果没有英特尔GPU，代码会将您切换回CPU。
使用：
（1）object_detection_yolo.cpp，执行：
编译，g++ `pkg-config opencv --cflags` object_detection_yolo.cpp -o object_detection_yolo `pkg-config opencv --libs` -std=c++11
测试，a single image:
    ./object_detection_yolo --image=./data/1.jpg
     a video file:
    ./object_detection_yolo --video=./data/run.mp4

（2）object_detection_yolo.py，执行：
a single image:
    python3 object_detection_yolo.py --image=bird.jpg
a video file:
    python3 object_detection_yolo.py --video=run.mp4

　　最后，三者的区别，还没太细细研究。pjreddie/darknet、AlexeyAB/darknet  、YOLOv3 with OpenCV三者的计算效率和准确率，还未做对比。这几天，本来想对比一下运行时间，但没太注意时间函数的放置位置，测试的时间貌似没有可比性。整个工程的运行时间，可能对工程最具时间说服价值，太耗时，以后有机会有需要在细细研究。

　　从运行的直观观测上，GPU > CPU，C++ > Python，耗时的具体数值暂不做研究。附上：这几天的测试时间，作对比可能不具有太大的价值；网上网友分享的资源。

　　测试环境：ubuntu16.04 + Intel® Core™ i7-8700K CPU @ 3.70GHz × 12  + NVIDIA GTX 2080 TI