摘要：工作原理以前的檢測系統通過重復利用分類器和定位器來實現目標識別。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)是目前最先進的實時對象檢測系統。在一臺Titan X上它能實時處理40-90幀每秒的圖像，并且準確率高達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

以前的檢測系統通過重復利用分類器和定位器來實現目標識別。它們把模型套在圖像的不同位置和大小區域，通過圖像各區域的最高分值來判定結果。

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網絡放在整個圖像上來進行識別。這個網絡把圖像分成區域并對邊框和各區域的可能性進行預測。這些邊框通過預測到的可能性進行加權。

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

下面帶你使用預先訓練好的模型通過YOLO系統進行對象檢測。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/子目錄下已經預置好了YOLO的配置文件。你還需要下載預先訓練好的權重文件(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果。但是我們把圖像結果保存在了predictions.png文件里。你可以打開這個文件看到檢測之后的結果。因為我們現在是在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行檢測的話，你不需要了解這些。但如果你想在攝像頭上進行檢測的話，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行實時檢測。

除了在命令行提供文件名進行一幅圖像檢測以外，你也可以不輸入文件名，這樣就可以進行多幅圖像檢測了。配置和權重文件加載完成后，系統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行檢測。

檢測完成后系統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 參數來修改這一設定。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

結果如下：

這樣的結果似乎沒什么用，不過你可以通過修改為不同數值來控制模型檢測的結果。

Tiny YOLO是基于Darknet參考網絡的非常快速但準確率不如常規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。

在測試數據上運行YOLO沒什么意思，無法直接看到結果。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：