YOLO官网：
YOLO: Real-Time Object Detection
keras-yolo3：https://github.com/qqwweee/keras-yolo3
论文链接：
https://pjreddie.com/media/files/papers/YOLOv3.pdf
知乎话题：
如何评价YOLOv3: An Incremental Improvement？
Author：qqwweee
往期回顾
你的同龄人，正在抛弃你(科技版)
吴恩达对话GAN之父Ian Goodfellow
重磅：Caffe2与PyTorch强强联合
前戏
前些天，Amusi翻译了
YOLOv3论文
，大家也好评如潮。而Amusi本人对YOLOv3也很感兴趣，于是配置了
Windows版的DarkNet
，已经跑出了C++版本的YOLOv3，速度要比Python版的快一些。
C++版本的DarkNet
，利用Visual Studio打开，实在很方便，可以直接阅读算法的源码（感觉可以搞事情了）。
当然这也不能满足我，我还配置了
PyTorch版的YOLOv3
，最近在github上看见
基于TensorFlow和Keras复现的YOLOv3
，简直太帅了（给大佬们打call）。
今天就重点向大家介绍
TensorFlow版本的YOLOv3安装和测试教程
。
环境
硬件
-
intel CORE i5
-
GTX 960m（2G显存）
-
12G 内存
软件
-
TensorFlow 1.4
-
Keras
-
h5py
-
OpenCV3.x
注：大家不要被这配置所“吓”到，因为Amusi的十八线过气笔记本还是能打的，比如来测试跑跑。重点是
TensorFlow建议升级到1.4及以上
，但不推荐最新的，因为可能还要安装CUDA9.0。
注意还要额外安装h5py和OpenCV3.x！
这里简单介绍一下安装h5py和OpenCV3.x的命令
1pip install h5py
2pip install opencv-contrib-python
注：其实安装OpenCV，使用pip install opencv-python即可，但Amusi超级喜欢使用pip install opencv-contrib-python，嘻嘻，多一个contrib，意义大有不同。感兴趣的童鞋，可以自行百度。
安装
1 下载 keras-yolo3库
首先，选择一个路径，打开你的cmd命令提示符（对于Windows）或者终端（Linux/Mac），并使用git命令下载keras-yolo3库：
1git clone https://github.com/qqwweee/keras-yolo3.git
2cd keras-yolo3
2 下载已训练好的权重yolov3.weights
大家可以上YOLO的官网上下载
yolov3.weights
，但可能受资源限制问题，下载速度会受限。由于该文件大概
236.MB
，所以贴心的Amusi已经将yolov3.weights上传到百度云上了。
如果你需要，可以在本公众号后台回复：yolov3.weights即可
。注意回复内容一定要准确哦，是yolov3.weights
下载好yolov3.weights，然后将此文件放在
path/keras-yolo3
路径下。
3 yolov3.weights格式
转换
刚才下载好的yolov3.weights并不是TensorFlow/Keras所支持的权重格式，因为
TensorFlow所支持格式是h5文件
。
所以这里需要将yolov3.weights进行格式转换，贴心的qqwweee已经在keras-yolo3中写好了转换脚本文件(convert)了，所以大家直接
打开你的cmd命令提示符（对于Windows）或者终端（Linux/Mac）输入下述命令即可：
1python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
此时在path/keras-yolo3/model_data中就可以看到新生成的yolo.h5文件：
4 测试
此时
你的cmd命令提示符（对于Windows）或者终端（Linux/Mac）会提示“Input image filename:”，即需要输入待检测图像的路径。由于原作者并没有提供测试图像，所以Amusi拿了YOLOv3官方提供的测试图像：dog.jpg和person.jpg来测试。
此时输入dog.jpg，按下回车：
等待不到1s，就会见证奇迹！哇塞，这检测结果，很nice...
然后可以继续输入person.jpg，按下回车：
等待不到1s，又见证了奇迹！哇塞，这检测结果，很nice...
等等，你以为这样就结束了么？！
刚才是检测图像，那我们再试一下对视频进行目标检测。
Amusi这里偷点懒，直接使用电脑的摄像头来测试了
