Ubuntu LinuxでYOLOのデモ

YOLO

YOLOの説明は、説明できるほど中身を理解していないため省略します。
【参考】WindowsでYOLOのデモ

ビルド環境構築

1. Ubuntu Linux 20.04 に CUDA Toolkit をインストールする
   【参考】NVIDIA CUDA toolkit on Ubuntu20.04

2. cmake、opencvライブラリをインストールする

   $ sudo apt-get install cmake libopencv-dev
   

YOLO（darknet）のビルド

1. ソースコードの入手

   $ git clone https://github.com/pjreddie/darknet.git
   

2. ソースコードのビルド

   $ cd darknet/
   $ ./build.sh
   

YOLOのweightのダウンロード

darknet.exe を使用するためには YOLO の weights を入手する必要があります。

• yolov3.weights (237 MB)

• yolov3-tiny.weights (33.7 MB)

• yolov4.weights (245 MB)

• yolov4-tiny.weights (23.1 MB)

Darknetで物体検出

画像ファイルに映る物体の検出

darknet のソースの中にサンプルの写真が何枚か入っていますので、それを利用して動作確認ができます。

• YOLO v3の場合

  $ ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg
  

  

• YOLO v4の場合

  $ ./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg
  

  

カメラに映る映像のリアルタイム物体検出

WindowsでYOLOのデモ と同様、GeForce 1050で 約7フレーム/秒 くらいでした。
OSの違いによる性能差は、知覚できるほど顕著には現れないようです。

  $ ./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights

MP4動画映像のリアルタイム物体検出

  $ ./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.5 data/test.mp4 -dont_show 1 -out_filename result/test_out.mp4

その他

偏見かもしれませんが、機械学習関連のフレームワークを動かそうとすると Windows より Linux（特に Ubuntu ）の方が、設定、動作環境構築が楽な気がします。