YOLO算法的ZYNQ移植尝试（SDx方法、ARM部分）-优快云博客

本文探讨了将YOLO算法移植到ZYNQ平台的过程，使用SDx方法和ARM部分。在尝试过程中，虽然能够成功读取cfg文件和weights，但在37s和47s的运行时间内，检测结果未能正常显示。问题可能出在指令错误、缺少voc.data指明或voc.data导致的list name错乱。

尝试直接从官网移植

需要将include/darknet.h文件copy到src

发现老是报错，说代码有问题network net = parse_network_cfg(cfgfile);报错

（network和network*的问题），查看源代码，代码应该无问题。。。。

在windows下使用vs编译源代码，看是否能行：发现vs2015安装有问题，一打开软件就软件卡住了，并且可能会导致vs2013使用也出现问题，bug！！

装了几个版本的vs2015都不行，我已经放弃了！！！

选用该处的代码，对不必要的代码做删减，尝试使用SDx编译，发现不行，如下的语法解释不了：

#define YOLODLL_API __declspec(dllexport)
 
...
 
       YOLODLL_API Detector(std::string cfg_filename, std::string weight_filename, int gpu_id = 0);
       YOLODLL_API ~Detector();

还是选用原始代码，将network net都修改为network *net，然后将net.修改为net->，此类修改（发现源代码中其实也是有部分改了，如yolo.c，有部分没有改）

再将example中的代码和src内的代码都加入源中进行编译

yolo_v2_class.cpp和yolo_v2_class.h，yolo_console_dll.cpp删掉

编译通过，但是运行错误

root@xilinx-zc706-2017_2:/mnt# ./YOLOv2.elf yolo test cfg/tiny-yolo.cfg tiny-yolo.weights data/dog.jpg
layer     filters    size              input                output
    0 conv     16  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  16
    1 max          2 x 2 / 2   416 x 416 x  16   ->   208 x 208 x  16
    2 conv     32  3 x 3 / 1   208 x 208 x  16   ->   208 x 208 x  32
    3 max          2 x 2 / 2   208 x 208 x  32   ->   104 x 104 x  32
    4 conv     64  3 x 3 / 1   104 x 104 x  32   ->   104 x 104 x  64
    5 max          2 x 2 / 2   104 x 104 x  64   ->    52 x  52 x  64
    6 conv    128  3 x 3 / 1    52 x  52 x  64   ->    52 x  52 x 128
    7 max          2 x 2 / 2    52 x  52 x 128   ->    26 x  26 x 128
    8 conv    256  3 x 3 / 1    26 x  26 x 128   ->    26 x  26 x 256
    9 max          2 x 2 / 2    26 x  26 x 256   ->    13 x  13 x 256
   10 conv    512  3 x 3 / 1    13 x  13 x 256   ->    13 x  13 x 512
   11 max          2 x 2 / 1    13 x  13 x 512   ->    13 x  13 x 512
   12 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024
   13 conv    512  3 x 3 / 1    13 x  13 x1024   ->    13 x  13 x 512
   14 conv    425  1 x 1 / 1    13 x  13 x 512   ->    13 x  13 x 425
   15 detection
mask_scale: Using