如何在OpenCV中使用YOLO

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ”

重磅干货，第一时间送达

今天，我们将研究如何在OpenCV框架中使用YOLO。YOLO于2016年问世，用于多目标检测，它与OpenCV框架兼容，但我们需要下载“ yolov3.weights”和“yolov3.cfg”。

现在让我们来看一下代码，它相当简单。第一步将是导入模型并读取包含图像标签的“coco.names”并获取输出层。

下一步是读取输入图像，并创建Blob从输入图像中提取特征。图像的输入尺寸为416 * 416，（0,0,0）表示图像的色彩空间。

我们将遍历该blob并找出已检测到的对象。但是在此之前，我们必须将blob馈给yolo算法并从输出层提取其特征。我们可以将其与CNN模型相关联。才外，我们还对置信度预测超过50％的对象感兴趣。

挑战在于分离算法检测到的冗余对象。最后，我们可以创建一个边界框并显示图像。

希望本文对大家理解我们如何在OpenCV框架中使用YOLO有所帮助。

好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇



下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。