【树莓派4B】darknet-nnpack的安装及使用

前言

darknet-nnpack是针对Arm处理器进行优化的YOLO版本，虽然只能执行YOLO-tiny，但是不需要GPU即可运行，使用YOLOv3-tiny模型预测用时约为1~1.2s，是树莓派的合适之选。

步骤

1.安装基本环境镜像

2.安装opencv可以看我的这篇博客树莓派opencv安装以及输出摄像头灰度视频_Y_Hungry的博客-优快云博客

3.安装make

sudo apt-get install -y cmake make

4.安装NNPACK-darknet

首先，进入安放文件的文件夹。

下载并编译NNPACK-darknet

git clone https://github.com/mrhosseini/NNPACK-darknet
mkdir build
cd build
cmake .. -DCMAKE_C_FLAGS=-march=armv6k
make

退回NNPACK-darknet文件夹后配置环境变量

cd ..
sudo cp `find . -name "*.a" ` /usr/lib/
sudo cp include/nnpack.h /usr/include/
sudo cp deps/pthreadpool/include/pthreadpool.h /usr/include/

5.下载darknet-nnpack

安装依赖项

sudo apt-get install -y clang

下载并编译darknet-nnpack

git clone https://github.com/digitalbrain79/darknet-nnpack.git
cd darknet-nnpack
rm -rf build
mkdir build

然后，编辑Makefile文件，将文件开头的OPENCV=0改为OPENCV=1。

 

进行编译

cd build
cmake .. -DCMAKE_C_FLAGS=-march=armv6k
make

 这个适合估计会报错找不着opencv2

把opencv的环境变量弄一下

sudo ln -s /usr/include/opencv4/opencv2/ /usr/local/include/opencv2
cp /usr/include/opencv4/opencv2 /usr/include/opencv2

同时修改makefile的opencv版本

 然后重新make

使用YOLO进行预测

可以用来检测图像和视频。命令分别是
图像：./darknet detector test xxx
视频：./darknet detector demo xxx 

检测图像

因为默认是coco数据集（80个分类），所以这里也用对应的coco数据集的权重文件，否则需要特别修改分类数量来对应起来。

下载yolov3-tiny.weights权重文件

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

把darknet拷贝到darknet-nnpack目录下，输入命令开始预测

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