使用YOLOV3達成物件偵測功能(使用IDE輸出)

 1.研究動機

在人工智慧概論中，老師介紹了數種的深度學習算法，例如VGG16、ResNet，物件偵測的算法Mask-Rcnn、Yolo等，我對物件偵測非常的有興趣，在網路上搜尋作法時，發覺Yolo是一個包裝好的套件，舉凡預測影片圖片，都需要使用Yolo的指令，因此我想將Yolo的功能，搬移到用一般的IDE也可以使用Yolo。

2.研究步驟

2.1獲得yolo之預測輸出

Yolo演算法的darknet資料夾中，有一個名為darknet.py的python檔案，為作者讓使用者自行使用的python接口，不過由於該檔案預測目標的座標是輸出錯誤的，因此需要先更改檔案使其預測正確，以下為使用更改後的darknet.py預測輸出結果之截圖，該檔案會回傳預測之陣列，內含預測之類別以及該類別之座標

3.實驗結果

    以下為單張圖片之範例，獲得座標之後即可依照座標使用opencv函式庫標出方框，這樣的輸出結果跟yolo指令的輸出結果一模一樣，但是藉由獲得預測的輸出座標，可以產生更多的運用。

圖一Yolo執行畫面、程式動態影片

4.結論

在把yolo搬移到IDE上執行後，更多可能的應用例如:即時影片馬賽克、計算物體的出現次數等等，相信在未來需要使用到目標檢測的算法時，可以更為得心應手。