1. 安装CUDA，OpenCV，cuDNN

具体教程请看教程

2. 下载

git clone https://github.com/AlexeyAB/darknet.git

3. 配置

cd darknet

sudo vim Makefile #修改Makefile

4. 将Makefile的前三行修改一下

GPU=1

CUDNN=1

OPENCV=1

image.png

5. 编译

在darknet路径下编译

make -j4

6. 放置权重文件

这里直接到.5、常用的库和模型文件yolov4和yolov4-tiny的权重文件，将权重文件yolov4.weights和yolov4-tiny.weights拷贝至darknet目录下

image.png

7. 测试

Yolov4图片的检测

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg # 简写版

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg # 完整版

Yolov4-tiny图片的检测

./darknet detect cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg # 简写版

./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg # 完整版

改变检测阈值

默认情况下，YOLO仅显示检测到的置信度为.25或更高的对象。您可以通过将-thresh标志传递给yolo命令来更改此设置。

例如，要显示所有检测，您可以将阈值设置为0.1：

./darknet detect cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg -thresh 0.1

image.png

image.png

Yolov4视频的检测(github下来的data里面并没有该视频文件，需要用户自行上传要检测的视频文件到data文件夹下)

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights data/123.mp4

Yolov4-tiny视频的检测

Yolov4-tiny视频的检测(github下来的data里面并没有该视频文件，需要用户自行上传要检测的视频文件到data文件夹下)

./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/xxx.mp4

image.png

Yolov4见下图：

image.png

yolov4-tiny见下图:

image.png

Yolov4摄像头实时检测方法：

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights /dev/video1

Yolov4-tiny摄像头实时检测方法：

./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights /dev/video1

注意video设备选择USB摄像头对应的编号，上方为选择了USB摄像头的编号video1

image.pngimage.png image.png