darknet框架是什么？darknet是一個特有輕型火炮的全部基于C與CUDA的開源軟件深度學習框架，其主要特點是容易安裝，沒有任何依戀項（OpenCV都可以不不用），移植技術(shù)性太好，允許CPU與G

darknet框架是什么？

darknet是一個特有輕型火炮的全部基于C與CUDA的開源軟件深度學習框架，其主要特點是容易安裝，沒有任何依戀項（OpenCV都可以不不用），移植技術(shù)性太好，允許CPU與GPU兩種計算。

darknet是一個由純C匯編語言的深度學習框架，它有著其它深度學習框架沒能比起的優(yōu)勢：

1.易于安裝：在makefile里面選擇類型自己不需要的額外項（cuda，cudnn，opencv等）直接take即可，幾分鐘完成直接安裝；

2.沒有任何依戀項：整個框架都用C語言并且編寫，也可以不依賴任何庫，連opencv作者都編譯程序了可以不對其參與松蠟的函數(shù)；

3.結(jié)構(gòu)清晰明確，源代碼一欄、修改比較方便：其框架的基礎(chǔ)文件都在src文件夾，而定義的一些檢測、歸類函數(shù)則在example文件夾，可依據(jù)不需要直接對源代碼進行一欄和修改；

4.友好python接口：可是darknet在用c語言通過c語言設(shè)計，不過也提供給了python的接口，函數(shù)，能夠在用python然后對訓練好的.weight格式的模型并且全局函數(shù)；

5.易被移植：防御部署到機器本地相當簡單啊，且是可以參照機器情況，使用cpu和gpu，特別是檢測檢測能識別任務(wù)的本地端部署。

yolo瑕疵檢測的特點？

語義分割的兩個步驟也可以可以概括為：

(1)檢測目標位置(生成矩形框)

(2)對目標物體進行分類

物體檢測的主流算法框架確切分為one-stage與two-stage。two-stage算法代表的有R-CNN系列，one-stage算法代表的有YOLO系列。按筆者表述，two-stage算法將步驟一與步驟二沒分開執(zhí)行，鍵入圖像先當經(jīng)過候選框生成網(wǎng)絡(luò)(比如fasterrcnn中的RPN網(wǎng)絡(luò))，再經(jīng)由分類網(wǎng)絡(luò)one-stage算法將步驟一與步驟二而先執(zhí)行，鍵入圖像只在一個網(wǎng)絡(luò)，生成氣體的結(jié)果中而乾坤二卦位置與類別信息。two-stage與one-stage比起，精度高，不過換算量相當大，所以除法運算速度較快。

YOLO特點

(1)YOLO馬上，而且用回歸的方法，但是不需要緊張的框架。

(2)YOLO會基于條件整張圖片信息接受分析和預測，而其他滑窗式的檢測框架，只有設(shè)計和實現(xiàn)局部圖片信息接受推理。

(3)YOLO學一點的圖片特征頗為通用。

YOLOV1算法原理

網(wǎng)絡(luò)結(jié)構(gòu)：輸入圖像大小為448×448，經(jīng)由若干個卷積層與池化層， 7×7×1024張量，到最后經(jīng)過兩層全連接層，輸出低張量維度為7×7×30，這是YOLOV1的整個神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，和好象的卷積物體分類網(wǎng)絡(luò)是沒有過多的區(qū)別，比較大的不同就是：分類網(wǎng)絡(luò)最后的全連接層，象連接上一個一維向量，向量的不同位代表完全不同的類別。YOLO的backbone網(wǎng)絡(luò)結(jié)構(gòu)，深受啟發(fā)于googleNet，又是V2、V3中darknet的先鋒。本質(zhì)上沒有什么特別，是沒有不使用BN層，用了一層Dropout。以外結(jié)果一層的輸出可以使用了線性激活函數(shù)，其他層所有不使用LeakyReLU激活函數(shù)。