深度学习实战（1）--手机上跑目标检测网络（YOLO，从DarkNet到Caffe再到NCNN完整打通）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/lwplwf/article/details/83016219

https://github.com/lwplw

这篇算是关键技术贴，YOLO是什么、DarkNet是什么、Caffe是什么、NCNN又是什么…等等这一系列科普这里就完全不说了，牵扯实在太多，通过其他帖子有一定的积累后，看这篇就相对容易了。

本文核心：把一个目标检测模型跑到手机上

整个工作分以下几个阶段：

1、训练得到一个目标检测模型

目前可以做目标检测的模型有很多，比如R-CNN、Fast R-CNN、Faster R-CNN、SSD、MobileNet-SSD、Mask R-CNN、YOLOv1、YOLOv2、YOLOv3等等。

本文选择的是YOLOv2_tiny，原因有YOLO快，简单比较好用，而且DarkNet的源码去看看还是比较有意思的，这里使用的是YOLOv2的tiny版本，网络更小一些，毕竟我们最终是要跑在手机上，嵌入式终端设别就那么点硬件资源。

具体怎么做，看我这篇帖子：Caffe–实现YOLOv2目标检测 https://blog.csdn.net/lwplwf/article/details/83011667
一些实现细节，源码，脚本等我都准备好了，按帖子里直接下载用就行，我自己也重新下载试了一遍，没问题，有问题的话评论区喊我。

2、模型在NCNN下跑起来

在1阶段中，训练得到了DarkNet下的

.cfg模型结构文件

和

.weights模型权重文件

，然后转换为Caffe下的

.prototxt模型结构文件

和

.caffemodel模型权重文件

。

（1）安装编译ncnn（Ubuntu16.04）

下载ncnn：

git clone https://github.com/Tencent/ncnn

进入ncnn根目录，执行命令：

mkdir -p build
cd build
cmake ..

make -j8

（2）将caffemodel和prototxt转换为param和bin

NCNN框架中网络定义文件为

.param文件

，权值文件为

.bin文件

，可以通过NCNN中自带的工具进行转换。

1）将1阶段得到的

yolov2_tiny_3.prototxt

和

yolov2_tiny_3.caffemodel

两个文件放到

ncnn-master/build/tools/caffe

目录下。
2）需要修改一下

yolov2_tiny_3.prototxt

文件
将最后一层

layer {
name: "region1"
type: "Region"
bottom: "layer15-conv"
top: "region1"
region_param {
classes: 3
coords: 4
boxes_of_each_grid: 5
softmax: true
}
}

修改为：

layer {
name: "detection_out"
type: "YoloDetectionOutput"
bottom: "layer15-conv"
top: "detection_out"
include {
phase: TEST
}
yolo_detection_output_param {
num_classes: 3
coords: 4
confidence_threshold: 0.3
nms_threshold: 0.45

biases: 1.08
biases: 1.19
biases: 3.42
biases: 4.41
biases: 6.63
biases: 11.38
biases: 9.42
biases: 5.11
biases: 16.62
biases: 10.52
}
}

终端进入该目录执行命令：

./caffe2ncnn yolov2_tiny_3.prototxt yolov2_tiny_3.caffemodel yolov2_tiny_3.param yolov2_tiny_3.bin

（3）NCNN进行检测

修改NCNN根目录下

CMakeLists.txt

文件
取消注释

add_subdirectory(examples)

NCNN根目录下执行命令重新编译：
（以后修改NCNN源码后，都需要重新编译）

 cd build
cmake ..
make -j8

将之前生成的

yolov2_tiny_3.param

和

yolov2_tiny_3.bin

放到

build/examples

目录下。
终端进入该目录执行命令：

./yolov2 111.jpg

3、将NCNN跑到手机上

其实也可以选择在手机上跑OpenCV，然后使用OpenCV的dnn模块调用DarkNet，这样连Caffe都不需要经过，可是…太慢了…

后面的我休息下再写！！！

阅读更多