※JetsonNanoに入れたくて試したけど、設定を環境に合わせればPCにインストールする時もほぼ同じ感じでいけるはず
##darknetインストール
1.以下からdarknetを取得
git clone https://github.com/AlexeyAB/darknet.git
2.darknetのフォルダへ移動
3.Makefileを編集
※GPUなどの使用有無に合わせてフラグのON/OFFをセット
(以下はGPU/cuDNN使用有り、画像扱いたいのでOpenCVもON、とした場合)
GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
以下をコメントアウト
※ARCH= で５列記載のあるうちの一番最後
# -gencode arch=compute_61,code=[sm_61,compute_61]
以下を有効化
※「# For Jetson TX1 ・・・」のコメントのある行のARCH設定
(JetsonNanoでも有効)）
ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]
4.ビルド
・GPU使用有りの場合
PATH=/usr/local/cuda/bin:$PATH make -j4
※PATHは事前に.bashrcに記載しておくでもOK
・GPU使用無しの場合
make -j4
##YOLOのデモ確認
YOLOv3の学習済みファイルをダウンロードする
wget https://pjreddie.com/media/files/yolov3.weights
darknetのフォルダで以下を実行
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
モデル読み込みに時間がかかるが、以下の結果が見れればOK
##Webカメラでのリアルタイム検出デモ
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
…でもJetsonNanoだと1.5FPSくらいしかでない(>_<)
→tinyモジュールで試す
tiny用のYOLOv3の学習済みファイルをダウンロードする
wget https://pjreddie.com/media/files/yolov3-tiny.weights
tinyモジュールにて同様に実行
./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights -c 0
…それでもなんとか6FPSくらい(ToT)
パフォーマンス出したいならちゃんとカスタマイズしなさいってことネ(^^;