机器学习部分：使YOLO对象检测在没有编程背景的情况下工作

这个博客主要关注那些只希望算法运行的人，而不是知道算法在做什么。

我希望你在你的系统中安装python3。

你应该有Python3，tensorflow 1.0 / tensoflow-gpu（如果你有nvidia gpu），numpy，opencv 3.有很多简单的资源可以在线安装这些模块。

安装克隆这个github存储库到你的系统中。https://github.com/thtrieu/darkflow

克隆此存储库后，打开您的终端并使用此命令安装cython。

pip3 install cython

安装cython之后，进入目录。

在我的终端

cd ‘/Users/srineesh/Downloads/darkflow-master’

在终端中输入以下命令

pip install -e .

成功安装Darkflow后

看到这个图像后，在你下载的版本库中创建一个目录作为bin。

mkdir bin

从下面的谷歌驱动器链接制作目录并下载该文件并将该文件复制到目录bin

https://drive.google.com/open?id=1OMFz_DdXERjnA7nqENu-RSbPBSe0s8b5

解压缩文件yolo.weights.zip并将该文件添加到新的文件夹bin。

现在下载/录制足够数量的视频，用于对象检测。

通过不降低视频质量来压缩视频。视频应该是一个mp4文件。将视频放在我们的项目文件夹中。

注意，如果为元素列表输入ls，则终端应该位于已下载的目录中，它应该显示如下内容

现在在终端输入以下命令，您就可以开始了

python flow — model cfg/yolo.cfg — load bin/yolo.weights — demo vediofile.mp4 — saveVideo

如果您的系统中安装了NVIDIA CUDA GPU并且安装了tensorflow-gpu，那么请修改命令以进一步看起来像这样

python flow — model cfg/yolo.cfg — load bin/yolo.weights — demo vediofile.mp4 — gpu 1.0 — saveVideo

输入命令后，您应该在终端中看到类似这样的内容

模型训练

在请耐心等待，直到训练结束，并且在命令之后，您会看到YOLO所检测到的所有人的视频