darknet框架YOLO+VOC使用笔记_voc+yolo+-优快云博客

本文链接：https://blog.youkuaiyun.com/Gomamon/article/details/104395633

本文详细介绍了如何配置darknet框架，包括下载预训练权重、测试图像、调整阈值等步骤，并探讨了Tiny YOLOv3与其他版本的区别。此外，还解析了VOC数据集的结构，指导如何训练YOLO模型，包括数据集准备、标签转换和修改配置文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、darknet框架配置

github网址

Linux终端操作

git clone https://github.com/pjreddie/darknet
cd darknet
make

在windows操作系统上跑YOLO可以使用cygwin

下载预训练权重

wget https://pjreddie.com/media/files/yolov3.weights

使用data文件夹下的dog.jpg文件测试

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

终端输出：

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs
    .......
  105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
  106 detection
truth_thresh: Using default '1.000000'
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.029329 seconds.
dog: 99%
truck: 93%
bicycle: 99%

darknet文件夹下会产生“prediction.jpg”：

在这里插入图片描述
注意上面的命令是下面的命令的缩写：

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

命令中也可以先不写图片的路径，会产生如下的输出：

./darknet detect cfg/yolov3.cfg yolov3.weights
layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
    1 conv     64  3 x 3 / 2   416 x 416 x  32   -&g