YOLO（暗网）：如何检测整个目录的图像？

Question

这里是使用预训练权重检测图像中对象的暗网指南：https://pjreddie.com/darknet/yolo/

运行的命令是：

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

最后一个参数是文件的路径，我尝试将其更改为 data/*.jpg 但没有成功。

如何使用暗网检测整个目录的图片？

Answer 1

根据下面提到的link，可以使用cv2.dnn.readNetFromDarknet模块读取暗网、训练好的权重和配置文件，在python中制作一个加载模型。加载模型后，可以简单地使用 for 循环进行预测。 Please refer this link for further clarification

Answer 2

有一个技巧可以使 Darknet 可执行文件加载一次权重并推断出多个图像文件。使用 expect 来解决问题。

安装expect:

sudo yum install expect -y
#sudo apt install expect -y

对多张图片进行对象检测：

expect <<"HEREDOC"
  puts "Spawning...";
  spawn ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights;
  set I 0;

  expect {
    "Enter Image Path" {
      set timeout -1;

      if {$I == 0} {
        send "data/dog.jpg\r";
        incr I;
      } elseif {$I == 1} {
        send "data/kite.jpg\r";
        incr I;
      } else {
        exit;
      }

      exp_continue;
    }
  }
HEREDOC

Answer 3

另一个解决方案是从 Python2 加载 Darknet（不是 3，Darknet 使用 Python2）。

1a) 按照 https://pjreddie.com/darknet/yolo/

中的描述克隆暗网

1b) 转到克隆的目录，下载 yolov3-tiny.weights 和 yolov3.weights，如 https://pjreddie.com/darknet/yolo/

中所述

2) 复制 darknet/examples/detector.py 到 darknet 目录

3) 编辑新的 detector.py

更改 .load_net 行以使用：cfg/yolov3-tiny.cfg 和 yolov3-tiny.weights
更改 .load_meta 行以使用：cfg/coco.data

4a) 通过在 detector.py

中添加一些 dn.dectect 行来检测图像中的对象

4b) 运行 detector.py

Answer 4

有一种简单的方法可以检测基于此存储库的图像列表中的对象 AlexeyAB/darknet。

./darknet detector test cfg/obj.data cfg/yolov3.cfg yolov3.weights < images_files.txt

您可以从命令行 (Send folder files to txt ) 或在 Ubuntu 上使用 Nautilus 等 GUI 工具生成文件列表。

两个额外的标志 -dont_show -save_labels 将禁用用户交互，并将检测结果保存到文本文件。

YOLO（暗网）：如何检测整个目录的图像？

YOLO (Darknet): How to detect a whole directory of images?

machine-learning

object-detection

computer-vision

darknet

yolo