点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达什么是YOLO？
YOLO 是“You Only Look Once”一词的缩写。这是一种算法，可以（实时）检测和识别图片中的各种对象。YOLO 中的对象检测是作为回归问题完成的，并提供检测到的图像的类别概率。YOLO 算法采用卷积神经网络 (CNN) 实时检测物体。顾名思义，该算法只需要通过神经网络进行一次前向传播即可检测物体。
这意味着整个图像中的预测是在单个算法运行中完成的。CNN 用于同时预测各种类别概率和边界框。YOLO 算法由各种变体组成。一些常见的包括微型 YOLO 和 YOLOv3。
如何安装 YOLO？
让我们澄清一些事情。YOLO 是一个深度学习算法，所以它本身不需要任何安装，我们需要的是一个运行能够运行这个算法的深度学习框架。
在这里，我们将描述与 YOLO 兼容的 3 个最常用和已知的框架以及每个框架的优缺点：
Darknet：它是由 YOLO 的开发者构建的，专门为 yolo 制作的框架。
优点：速度快，可以与GPU或CPU一起工作
缺点：它只适用于Linux操作系统
Darkflow：它是Darknet对Tensorflow（另一个深度学习框架）的改编。
优点：速度快，可与GPU或CPU配合使用，同时兼容Linux、Windows和Mac。
缺点：安装真的很复杂，尤其是在windows上
OpenCV：OpenCV也有一个与 YOLO 配合使用的深度学习框架。但是要确保至安装OpenCV 3.4.2以上的版本。
优点：它不需要安装任何东西，除了opencv。
缺点：它仅适用于 CPU，因此您无法获得真正的高速实时处理视频。
为什么 YOLO 算法很重要
YOLO 算法之所以重要，原因如下：
速度：该算法提高了检测速度，因为它可以实时预测物体。
高精度：YOLO 是一种预测技术，可提供准确的结果且背景误差最小。
学习能力：该算法具有出色的学习能力，使其能够学习对象的表示并将其应用于对象检测。
如何在 Opencv 中使用 YOLO
我们将在本文重点介绍如何将YOLO与OpenCV结合使用。这是初学者的最佳方法，无需进行复杂的安装即可快速运行算法。
让我们从导入 Opencv 和 numpy 库开始，然后加载算法。
加载算法。运行算法我们需要三个文件：
权重文件：它是训练好的模型，是检测物体的算法的核心。
cfg 文件：是配置文件，里面有算法的所有设置。
名称文件：包含算法可以检测到的对象的名称。
然后我们将图像加载到我们想要执行对象检测的位置，并且我们还获得了它的宽度和高度。
现在我们已经准备好算法和图像，是时候将图像传递到网络并进行检测了。
请记住，我们不能立即使用网络上的完整图像，但首先我们需要将其转换为 blob。Blob 它用于从图像中提取特征并调整它们的大小。YOLO 接受三种尺寸：
320×320 体积小，精度低但速度更快
609×609 更大，精度高，速度慢
416×416 它在中间，两者都有
第21 行的outs是检测的结果。Outs 是一个数组，其中包含有关检测到的对象、它们的位置和检测置信度的所有信息。
至此检测完成，我们只需要将结果显示在屏幕上即可。
然后我们循环遍历 outs 数组，计算置信度并选择置信度阈值。
在第 32 行，我们将阈值置信度设置为 0.5，如果它更大，我们认为正确检测到对象，否则我们跳过它。
阈值从0到1。越接近1，检测的准确率越高，越接近 0，准确率越低，但检测到的对象数量也越大
当我们执行检测时，碰巧我们对同一个对象有更多的框，所以我们应该使用另一个函数来去除这个“噪声”。它被称为非最大抑制。
我们最终提取所有信息并将它们显示在屏幕上。
Box：包含围绕检测到的对象的矩形的坐标。
标签：它是检测到的对象的名称
Confidence：关于检测的置信度从 0 到 1。
结论
本博客概述了 YOLO 算法及其在对象检测中的使用方式。与其他对象检测技术（例如 Fast R-CNN 和 Retina-Net）相比，该技术提供了改进的检测结果。
总结一下：
我们已经获得了对象检测和 YOLO 算法的概述。
我们已经了解了 YOLO 算法之所以重要的主要原因。
我们已经了解了 YOLO 算法的工作原理。我们还了解了 YOLO 用于检测对象的主要技术。
我们已经了解了 YOLO 的实际应用。
源码链接：https://github.com/MrBam44/YOLO-object-detection-using-Opencv-with-Python
好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~文章出处登录后可见！
