darknet专题
TX2上darknet框架编译问题梳理
darknet源码下载：https://github.com/pjreddie/darknet 1. 编译设置 打开darknet的源码根目录，里面有Makefile文件，根据需要编译相关模块： darknet的opencv模块采用了1.x版本的IplImage数据类型以及有许多1.x版本的API接口，该类型以及相关的接口在opencv4+版本中已被弃用。因此编译opencv时需注意，D
深度学习框架Darknet，其YOLO神经网络算法对目标检测效果显著
yolov3介绍比较好的文章网址： https://blog.csdn.net/leviopku/article/details/82660381 https://www.jianshu.com/p/d13ae1055302 本文转载地址：https://cloud.tencent.com/developer/news/76803 Darknet——一个源码为C的神经网络框架
darknet/YOLOV4 预训练时冻结参数，停止反向传播
目录 1.首先获取预训练模型 2.修改cfg文件 3.训练 平时我们在训练模型时，会利用预训练模型做迁移学习，但是有时候我们想前面的几层直接复用预训练模型的参数，然后只训练后面的几个网络层，这时候需要冻结前面几层的参数，停止反向传播。 1.首先获取预训练模型 darknet partial cfg/cspdarknet53.cfg cspdarknet53.weights cspd
darknet获取网络某一层的feature代码
当我们在命令行中执行./darknet detect fridge.cfg fridge.weights dog.jpg时，代码流程是：detect到了detector.c文件里面的test_detector函数里面的test_detector，然后在test_detector函数里面首先用parse_network_cfg_custom读取 cfg配置文件，并且用load_weights
yolov4训练自己的数据集，基于darknet框架
目录 一：安装darknet 二：首先以VOC的数据格式准备好自己的数据 三：制作darknet需要的label以及txt文件。 四：准备data文件 五：准备names文件 六：修改cfg文件 七：开始训练 八：单张图片测试 一：安装darknet git clone https://github.com/AlexeyAB/darknet/ 修改makefile里面的值
Darknet训练分类器
Table of Contents 一：安装darknet 二：数据处理，准备train.list test.list labels.txt 三：制作数据集配置文件 四：制作网络 五：开始训练 六：测试及验证 七：中断后重新训练 一：安装darknet git clone https://github.com/AlexeyAB/darknet/cd darknetma
darknet源码剖析（四）
pthread_t load_thread = load_data(args); load_data位于src/data.c中 pthread_t load_data(load_args args){pthread_t thread;struct load_args *ptr = calloc(1, sizeof(struct load_args));*ptr = args;if(pthre
darknet源码剖析（三）
进入train_detector函数。 list *options = read_data_cfg(datacfg); list的定义位于darknet.h，为链表。read_data_cfg位于option_list.c中。 read_data_cfg的作用在于将数据集配置转化为链表。 char *train_images = option_find_str(options, "
darknet源码剖析（二）
进入run_detector函数： char *prefix = find_char_arg(argc, argv, "-prefix", 0); 其中find_char_arg位于src/utils.c文件中， char *find_char_arg(int argc, char **argv, char *arg, char *def){int i;for(i = 0; i < arg
darknet源码剖析（一）
darknet编译较为简单，在github上下载代码后直接make即可。注意更改makefile文件中的相关选项。 GPU=1CUDNN=1OPENCV=0OPENMP=0DEBUG=1 编译完成后即可开始使用。根据yolov3的训练与测试过程，对darknet进行解析。 darknet使用c语言编写，main函数位于examples/darknet.c文件中。 训练yolov3使
【darknet】源码阅读理解（六）——maxpool的前向传播/反向传播
maxpool是用于数据特征降维，减少CNN网络的计算量，是CNN的基础组件之一。 1. 前向传播 前向传播就是在channel通道上，对一定size*size的正方形区域求出最大值，作为下一层layer的输入。 同时，为了反向误差的传播需要保存最大值所对应的索引index Code void forward_maxpool_layer(const maxpool_layer l, net
【darknet】阅读理解（5）——batchnorm和activation
1. batchnorm 1.1 原理 大致的原理可以参考:https://blog.csdn.net/qq_25737169/article/details/79048516 如果了解个大概的话，就是：（x-均值）/ 偏差 * 缩放系数 + 一个偏置 1.2 darknet实现 说明： darknet cpu采用C实现的，能更有助于原理的理解或者也可以用numpy等高级框架实现 总
【darknet】源码阅读理解（三）——CNN前向传播
这里以Code，原理相结合的方式 1. darknet中CNN关键代码 1. int m = l.n/l.groups; // 输出通道int k = l.size*l.size*l.c/l.groups; // img2col后图像矩阵的行数int n = l.out_w*l.out_h;
【darknet】源码阅读理解（四）——#pragma omp parallel for
参考自:https://www.cnblogs.com/qinguoyi/p/7251305.html 出处： darknet在cpu上进行CNN计算时。 Code： void gemm_nn(int M, int N, int K, float ALPHA, float *A, int lda, float *B, int ldb,float *C, int ldc){int i,j,k
内涵：目标检测之DarkNet-DarkNet源码解读＜二＞训练篇
1. 引言 本篇文章是介绍ＤarkNet的第三篇文章。第一篇文章主要是介绍ＤarkNet的使用，重点在于熟悉ＤarkNet训练集的数据标签形式和相关的使用指令。第二篇文章主要是介绍ＤarkNet的Test线的源码：包括存储cfg文件的List数据结构;实现网络多链结构的route层的;实现调用不同layer层forward函数的回调机制和检测的前向后处理。本文是DarkNet系列的第三篇文章
内涵：目标检测之DarkNet-DarkNet源码解读＜一＞测试篇
目标检测－ＤarkNet源码解读 DarkNet源码解读1.一些思考 1.1 DarkNet的本质 1.2 深度学习分为两条线 1.3 检测任务的步骤 2.代码走读 2.1 程序入口 2.2 加载网络 2.2 加载图片 2.3 前向 2.4 后处理 3.一些细节 3.1 双向链表来存储网络 3.2 route层来实现多链 3.3 回调函数实现类似于caffe中层的多态 3.4 TopN并非T
YOLOv3实践darknet跑voc数据集的问题
最近在用YOLOv3的darknet训练VOC数据集，初学小白的我对参数，源码还在了解层面，但是结果已经训练开始之后发现IoU出现了nan值循环。所以就开始网上寻找。总结在下： 参考：https://blog.csdn.net/lilai619/article/details/79695109#commentsedit 如何训练自己的数据 说明： （1）平台 linux + 作者官方代码
Darknet+ros+realsenseD435i+yolo(ubuntu20.04)
一、下载Darknet_ros mkidr -p yolo_ws/srccd yolo_ws/srcgit clone --recursive https://github.com/leggedrobotics/darknet_ros.git#因为这样克隆的darknet文件夹是空的，将darknet_ros中的darknet的文件替换成如下cd darknet_rosgit clon
darknet用自己的数据进行训练
根据之前博客的内容自行收集训练数据集已经成功收集了一波标注好的数据，现在尝试利用自己的数据对yolo v2模型进行训练。 1.处理数据 由于自己的数据是pascal格式的，需要转换为darknet需要的格式，不必惊慌，官方给出了脚本，自己只需稍作修改（因为pascal格式运用较广，一般的模型框架及时不能使用pascal，也会给出pascal的转换脚本） 利用以下脚本生成train.txt（由
Darknet框架优化介绍
一、DarkNet框架简介 1.DarkNet的简介 Darknet是一个完全使用C语言编写的人工智能框架，可以使用CUDA的开源框架。主要应用于图像识别领域。 它具有可移植性好，安装间接，查看源码方便等优势，提供了OpenCV等附加选项，还可以便捷的从底层逻辑代码进行修改优化等优点 【这是它的官网主页】 具体的安装使用教程在阿里云社区有详细的介绍 DL框架之darknet：深度学习框架d
yolov3 darknet cfg配置文件参数详解
Darknet的cfg配置文件中，[xxx]表示网络的一层，其后的内容为该层的参数配置，[net]为特殊的层，用于配置整个网络，包含学习率，衰减系数等一系列超参数。 [net] # Testing# batch=1 #测试时，batch和subdivisions都必须设置为1，否则会出错# subdivisions=1# Trainingbatch
Darknet Yolo + VS +QtGui 图形界面可视化输出 分类输出检测目标数目 简单的计数器实现 yolo动态链接库
本文的图形界面可视化输出是基于下述文章来写的: 参考文章:QtGUI+YOLOv4+VS2017 《图形界面+目标检测 cpu版本&gpu版本》_scut_lrr的博客-CSDN博客_qt yolo QtGUI+YOLOv4+VS2017 《图形界面+目标检测 cpu版本&gpu版本》 实现思路，利用vector容器，找到绘制矩形框的代码处，根据绘制情况，来进行针对不同ojb_name的
Darknet yolo 输出检测目标数目 简单的计数器实现
在测试自己训练的数据集时，在终端输出图片中 找到\darknet-master\src\image.c文件 文件中selected_detections_num即为我们需要的数值 在draw_detections_v3函数末尾添加输出语句 输出结果: 成功.
opencv与darknet在python2.7下报错问题
opencv与darknet在python2.7下报错问题 在整ROS的时候默认运行python2.7，不知道有什么办法可以调，导致yolo跑不了，报如下错 Gtk-ERROR **: GTK+ 2.x symbols detected. Using GTK+ 2.x and GTK+ 3 in the same process is not supported 解决方法是按如下顺序重新编
第12篇 Fast AI深度学习课程——DarkNet、GAN
本节课程将介绍很火的对抗生成网络。由于这一网络结构很新，目前(课程发布时，18年4月份)Fast.AI尚未提供相应的封装，因此需要使用Pytorch的数据结构来构建。在构建GAN之前，我们将在CIFAR10数据上，仅使用Pytorch的数据结构，构建结构较简单的Darknet，以展示利用Pytorch搭建网络的思路。 一、Darknet 1. 数据准备 下载后解压。由于train文件夹下各类