darknet专题
【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
darknet使用介绍
Darknet框架简介 darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。 前言：为什么选择darknet？ 相比于TensorFlow来说，darknet并没有那么强大，但这也成了darknet的优势：darknet完全由C语言实现，没有任何依赖项，当然可以使
Yolov3-Darknet版本计算mAP
题记：之期训练了YOLOv3模型，详见博文Darknet-Yolov3训练自己的数据，现需要对其评估，计算其mAP值。 一、修改cfg文件 将my_yolov3-voc.cfg文件修改成测试模式： PS:这里看大部分博文都是说打开测试模式，但是我发现训练模式也可以出结果。 二、修改测试集路径： 修改my_voc.data中的valid路径：改成自己要测试路径，具体文件格式见题记中提到
Darknet YoloV3/V4中cfg文件参数说明和理解
具体解释可以参考下面这篇文章，写的很不错，这里做备份方便后续查阅。 https://blog.csdn.net/phinoo/article/details/83022101
win10下darknet训练车辆数据集
win10下darknet训练车辆数据集的学习过程，部分内容来源网络分享，如书写涉及侵权，将立即删除 前提： 1.darknet框架编译成功 2.UA-DETRAC数据集 目的： 在darknet框架下训练DETRAC数据集，检测目标车辆 准备： darknet.exe DETRAC数据集中的DETRAC-train-data及DETRAC-Train-Annotations-XML包 过
python获取darknet的json流
import requestsimport reimport jsonjson_url = 'http://192.168.172.100:23333' # 修改为darknet的json流地址while True:conn = requests.get(json_url, stream=True, timeout=50)for json_dict in conn.iter_lines():
【darknet】2、yolov4模型训练之模型训练
文章目录 1、进行模型训练数据准备1.1 划分训练和验证集1.2 将数据标注格式转换为YOLO格式 2、修改配置文件2.1 新建cfg/vechle.names2.2 新建cfg/vechle.data 2.3 根据所选模型的不同，设置不同的配置文件2.3.1 新建cfg/yolov4_vechle.cfg2.3.2 新建cfg/yolov4_tiny_vechle.cfg2.3.3 新建c
Nvidia-smi 470 +cuda11.2+cudnn8.1.0+darknet_ros
Nvidia-smi 470 安装cuda11.2+cudnn8.1.0后编译darknet_ros报错 基于环境： 系统：ubuntu 18.04 ubuntu内核：5.4.0-91-generic cuda11.2 + cudnn8.1.0 查看以上信息的指令见下图： 问题描述（安装完cuda和cudnn后错误信息如下）： nvcc fatal : Unsupported gpu ar
ubuntu下Darknet下载安装
ubuntu下Darknet下载安装 最近想学一下这方面的知识，首先得装上，跑一下看看效果。 ①下载安装darknet (1)git clone https://github.com/pjreddie/darknet.git (2)cd darknet/ 部分文件介绍：
win10+vs2013+opencv 3.1编译darknet YOLOv3 采坑记录
网上教程很多，推荐https://blog.csdn.net/maweifei/article/details/81150489这篇博客讲的很详细，基本按照这个流程没有问题。 但是每个人的电脑环境都不同，我的环境： win10 x64位，vs2013，opencv contrib 3.10版本，显卡GTX1060，cuda版本10.1，cudnn版本7.5 我在此记录下遇到的一些问题： 1
yolov2 推理测试 - 模型转换❤️darknet 转 ncnn❤️【yolov2之darknet】
本博文基本按照 YOLOv2 darknet 官方教程，对预训练模型 展开测试，简单记录 YOLOv2 模型转 ncnn 部分遇到报错，本博文未做处理；对这部分有兴趣可参考 yolov3（darknet ）训练 - 测试 - 模型转换❤️darknet 转 ncnn 之C++运行推理❤️【yolov3 实战一览】 文章目录 🥇 基础信息📕 运行过程如下【darknet 模型测