Ubuntu16.04配置Darknet实现YOLO
介绍：
Darknet：开源的网络框架
YOLO：实时的目标检测系统，网络包括24个卷积层，2个全连接层。其中，卷积层用来提取图像特征，全连接层用来预测图像位置和类别概率值。
一. 安装OpenCV
我安装的版本是opencv3.1.0 官网链接：https://opencv.org/news.html ，下载.zip压缩包，下载完成以后解压到home目录下
1.安装依赖项
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install checkinstall yasm libtiff5-dev libjpeg-dev libjasper-dev libdc1394-22-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.0-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils libeigen3-dev
2.安装opencv
cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
cmake完成以后在build目录下开始make：
make -j8
注：-j8表示八核运算，根据电脑配置自行选择。
make过程可能有报错：
注：make失败的话可以用make clean命令消除
1. 消除nvcc warnning
在终端输入命令：cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=–Wno-deprecated-gpu-targets
2.
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：直接进入 home/wang/opencv/modules/cudalegacy/src文件夹，修改graphcuts.cpp文件内容，如图：
其中，#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我们修改的。
修改以后重新make
二.安装CUDA
cuda是nvidia的编程语言平台，想使用GPU就必须安装cuda。
我安装的版本是 CUDA Toolkit 8.0
官网链接：https://developer.nvidia.com/cuda-release-candidate-download
要先注册才能下载，注意：下载的是cuda8.0的runfile（local）文件
下载完cuda8.0后，进入存放文件的文件夹，执行如下语句，运行runfile文件：
sudo sh cuda_8.0.61_375.26_linux.run
注意：执行后会有一系列提示让你确认，有个选择是询问是否安装NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26，如果已经安装了显卡驱动的话这里要选择否。其余的都直接默认或者选择是即可。
安装成功以后会显示如下界面：
安装完毕后，要配置环境变量：
(1). 用gedit打开 ~/.bashrc文件,输入如下命令：
sudo gedit ~/.bashrc
将以下内容写入到~/.bashrc尾部：
export PATH=/usr/local/cuda-8.0/bin{LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
如下图所示：
(2). 将cuda8.0的安装路径及相应的库文件导入到etc目录下的profile文件末尾
打开文件：
cd /etc
sudo gedit profile
将以下内容导入文件尾部：
export PATH=LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64
如下图所示：
使配置文件生效，执行命令：source /etc/profile
可以测试一下cuda的Samples：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
三. 安装CUDNN
官网下载压缩包cuDNN v5.1 Library for Linux，不要下载deb文件 (https://developer.nvidia.com/rdp/cudnn-download)：
下载完cuDNN5.1之后进行解压：
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #复制头文件
再将进入lib64目录下的动态文件进行复制和链接：
cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
四.配置darknet
1.下载darknet
git clone http://github.com/pjreddie/darknet.git
2.进入darknet文件夹，打开Makefile文件,按如下修改：
将开头的OPENCV=0修改为=1，
GPU=0修改为=1，
NVCC= /usr/local/cuda-8.0/bin/nvcc
修改完成以后在darknet目录下开始编译：
make -j8
make的时候有个报错参考了下面这篇博客得以解决：
https://blog.****.net/tmosk/article/details/76578082
五.测试
1.下载YOLO预训练好的模型：
下载地址：https://pjreddie.com/media/files/yolo.weights，
注：我在darknet目录下新建了weights文件夹，保存该weights文件。
2.单幅图像测试
在darknet下输入
./darknet detect cfg/yolo.cfg weights/yolo.weights data/dog.jpg
此时会报错，提示找不到opencv库，如下图所示：
解决办法：
① 在etc目录下找到ld.so.conf文件
sudo gedit /etc/ld.so.conf
在文件中加上一行 /usr/loacal/lib（其实就是opencv的安装路径）
再运行sudo ldconfig,
② 修改bash.bashrc文件，sudo gedit /etc/bash.bashrc
在文件末尾加入：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
然后输入命令：source /etc/bash.bashrc
就可以正常运行了。
测试结果：
3.实时视频测试
输入命令：
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
注：darknet目录下的cfg文件夹存放的是一些网络模型的配置文件，其中配置文件coco.data和yolov3.cfg文件就存放在该文件夹下。yolov3.weights文件是训练好的模型，可以直接去官网下载yolov3.weights
报错时参考的博客：
http://blog.****.net/feiderade/article/details/51778408
http://blog.****.net/tmosk/article/details/76578082
http://blog.****.net/u010454261/article/details/71268325?utm_source=itdadao&utm_medium=referral
http://blog.****.net/hrsstudy/article/details/60876451