YOLO---多個版本的簡單認識
YOLOv3 有好幾個經典版本了：
一、YOLOv3 (Darknet）官網 @ https://github.com/pjreddie/darknet
二、YOLOv3（darknet優化了）@ https://github.com/AlexeyAB/darknet
三、YOLOv3 with OpenCV官網 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3
四、其他github上有tensorflow、caffe、keras、pytorch等版本，略。
引用：
windows版本：請參考 https://github.com/AlexeyAB/darknet
linux版本：請參考 https://pjreddie.com/darknet/yolo
簡介
一、YOLOv3 (Darknet）官網 @ https://github.com/pjreddie/darknet
一開始github上最熱的開源項目，在linux系統下做的，現在各個大神改版也有在windows下使用了。
下載並備齊：darknet、選配yolov3.weights + yolov3.cfg、...
依賴環境：C++、OpenCV、python、...
編譯情況：下載源文件，需要make進行編譯后，才能使用
支持：linux系統（最先支持） + windows + CPU + GPU(可適用於英偉達)
（1）源碼的常用執行命令：
u@u1604:~/darknet$ (1)測試一張圖片---detect ./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/person.jpg ./darknet detector test cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights data/person.jpg (2)測試本地視頻---demo ./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights wp_video/person002.mp4 (3)測試usb視頻--- ./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights (4)測試rstp視頻--- ./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0 -thresh 0.25 ./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:admin12345@192.168.?.??/H.264/ch1/sub/av_stream -i 0 -----------to test many pics------------------------ ./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 2 #CPU enter Enter Image Path: ./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 0 #GPU enter Enter Image Path:
（2）自寫python接口文件，執行：
python2 xx.py
python3 xx.py
二、YOLOv3（darknet優化了）@ https://github.com/AlexeyAB/darknet
一開始github在windows系統下做的，現在各個大神改版也有在linux下使用了。
下載並備齊：darknet、選配yolov3.weights + yolov3.cfg、...
依賴環境：C++、OpenCV、python、...
編譯情況：下載源文件，需要make進行編譯后，才能使用
支持：windows系統（最先支持） + linux + CPU + GPU(可適用於英偉達)
基本使用命令同《一、YOLOv3 (Darknet）官網》，但部分有少許差別
. AlexeyAB改進項 提供window支持 相較於原版pjreddie版本darknet提升了訓練速度 添加了二值化網絡，XNOR(bit) ，速度快，准確率稍低https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov3-tiny_xnor.cfg 提升7%通過將卷積層和BN層合並為一個（*_*）不太懂。 多GPU訓練提升 修補了[reorg]層 添加了mAP, IOU，Precision-Recall計算 darknet detector map... 可以在訓練過程中畫loss圖像 添加了根據自己數據集的anchor生成 提升視頻檢測，網絡攝像頭，opencv相關問題 提出了一個INT8的網絡，提升了檢測速度，但是准確率稍有下降 https://github.com/AlexeyAB/yolo2_light @ https://www.cnblogs.com/pprp/p/10204480.html#alexeyab%E6%94%B9%E8%BF%9B%E9%A1%B9
三、YOLOv3 with OpenCV官網 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3
下載並備齊：yolov3.weights權重文件、yolov3.cfg網絡構建文件、coco.names、xxx.jpg、xxx.mp4文件、object_detection_yolo.cpp、object_detection_yolo.py等文件；
依賴環境：C++的編譯環境（如G++/VScode）、OpenCV3.4.2+(記住安裝目錄)
編譯情況：下載源文件，無需復雜的編譯，直接修改進行應用
支持：windows + linux + CPU + GPU(只適用於英特爾)
（1）在OpenCV中使用YOLOv3, 可以在windows下+ ubuntu下使用。
（2）windows下，之前做，object_detection_yolo.cpp是在Visual Studio（VS）下編譯的。
（3）ubuntu下，這次，object_detection_yolo.cpp是g++編譯的。
（3）OpenCV的DNN，GPU僅使用英特爾的GPU進行測試，因此如果沒有英特爾GPU，代碼會將您切換回CPU。
使用：
（1）object_detection_yolo.cpp，執行：
編譯，g++ `pkg-config opencv --cflags` object_detection_yolo.cpp -o object_detection_yolo `pkg-config opencv --libs` -std=c++11
測試，a single image:
./object_detection_yolo --image=./data/1.jpg
a video file:
./object_detection_yolo --video=./data/run.mp4
（2）object_detection_yolo.py，執行：
a single image:
python3 object_detection_yolo.py --image=bird.jpg
a video file:
python3 object_detection_yolo.py --video=run.mp4
最后，三者的區別，還沒太細細研究。pjreddie/darknet、AlexeyAB/darknet 、YOLOv3 with OpenCV三者的計算效率和准確率，還未做對比。這幾天，本來想對比一下運行時間，但沒太注意時間函數的放置位置，測試的時間貌似沒有可比性。整個工程的運行時間，可能對工程最具時間說服價值，太耗時，以后有機會有需要在細細研究。
從運行的直觀觀測上，GPU > CPU，C++ > Python，耗時的具體數值暫不做研究。附上：這幾天的測試時間，作對比可能不具有太大的價值；網上網友分享的資源。
測試環境：ubuntu16.04 + Intel® Core™ i7-8700K CPU @ 3.70GHz × 12 + NVIDIA GTX 2080 TI
