在OpenCV中使用YOLO v3进行物体检测

软硬件环境

ubuntu 18.04 64bit

NVIDIA GTX 1070Ti 8G

anaconda with python 3.6

opencv 3.4.3

cuda 9.0

YOLO v3

前言

下图是近年来物体检测领域算法的演化，是目前公认的比较准确的物体检测算法，已经发展到了第三个版本。关于(实现YOLO检测的开源项目)的基本情况，参考之前的博文 https://blog.xugaoxiang.com/ai/darknet.html，里面有比较详细的阐述。

准备工作

下载检测需要用到的配置文件、weights模型文件及物体类型class文件

YOLO的基本原理

一般来讲，物体检测由两部分组成，物体定位()和物体识别()。下面以图片为例来讲的实现原理

将图片分割成大小的网格单元, 以一张像素大小的图片为例，会有1024个网格单元，模型会在每个上预测

每个有可能会被预测出多个,大部分最后都会被清除，因为它们的相似度太低。这里有个算法叫，翻译过来叫非极大值抑制，可参考论文Efficient-Non-Maximum-Suppression,　NMS算法是用来提取相似度最高的

python代码

及以上的版本已经支持，同时也支持使用其他常见深度学习框架的模型，如、、等。

测试程序输出

参考资料

https://github.com/pjreddie/darknet/wiki/YOLO:-Real-Time-Object-Detection

https://docs.opencv.org/3.4.3/da/d9d/tutorial_dnn_yolo.html

https://blog.xugaoxiang.com/ai/darknet.html