Laniakea
文章 练习场 码农 Tags
Laniakea

Blazing Fast! 使用YOLO+Darknet进行目标检测

YOLO做目标检测很快

系统配置

  • 系统: Ubuntu 16.04 x64
  • 显卡: gtx960m + i5核显
  • 内存: 8G
  • CPU: i5-6300HQ

使用独立显卡

  1. 安装驱动和切换工具 sudo apt-get install nvidia-364 nvidia-prime
  • 驱动版本可以到软件更新->其他驱动里查看
  • 安装过程中可能需要关闭图形界面, 按Ctrl + Alt + F1即可, 输入sudo service lightdm stop 安装完毕之后再sudo service lightdm start
  1. 安装完毕之后重启, 启动NVIDIA X Server Settings, 可以在nvidia prime下看到切换显卡的功能

安装CUDA 8

  1. 去官网下载安装包并按照指令安装, 注意使用runfile方案
  2. 注意其中有一个选项是问是否需要安装自带的驱动(似乎是361), 选择no, 因为第一步已经安装过合适的驱动了
  3. 安装完毕之后将目录加入环境变量. 往~\.bashrc下添加以下语句
1
2

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  1. 使用nvidia-smi指令测试一下, 应该能看到独立显卡的信息

安装opencv 3.1

参考caffe的教程

参考官方文档

  1. 安装依赖
1
2
3
4
5
6

sudo apt-get install --assume-yes build-essential cmake git
sudo apt-get install --assume-yes build-essential pkg-config unzip ffmpeg qtbase5-dev python-dev python3-dev python-numpy python3-numpy
sudo apt-get install --assume-yes libopencv-dev libgtk-3-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev
sudo apt-get install --assume-yes libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev
sudo apt-get install --assume-yes libv4l-dev libtbb-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev
sudo apt-get install --assume-yes libvorbis-dev libxvidcore-dev v4l-utils
  1. 下载并编译opencv
  • 去官方git repo下载最新的opencv 3.1源码
  • 解压, 进入目录, 输入以下指令编译
1
2
3
4

mkdir build
cd build/
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. 
make -j $(($(nproc) + 1))
  • 输入以下指令安装
1
2
3
4

sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
sudo apt-get update
  • 重启系统
  1. 错误解决
  • 编译时可能会出现/usr/bin/ld: 找不到 -lippicv(ubuntu 16.04 LTS错误, 是因为CUDA8.0和opencv的兼容问题
  • 进入 /home/ds/opencv-3.1.0/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64目录, cp liboppicv.a /usr/local/lib 即可. 参考这里

安装YOLO

  1. 下载并编译darknet
1
2
3

git clone https://github.com/pjreddie/darknet
cd darknet
make
  1. 下载预训练模型
1

wget http://pjreddie.com/media/files/yolo.weights
  1. 检测
1

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

使用YOLO进行实时目标检测

  1. 编辑Makefile, 置GPU=1, make后再置OPENCV=1, make, 编译完成
  2. 运行以下指令: ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights 将会打开摄像头进行实时目标检测