python 如何安装yolo

要在 Python 中使用 YOLO，需要安装以下两个库：

1. Darknet：这是一个开源的深度学习框架，可以用于训练和测试 YOLO 模型。

2. OpenCV：这是一个计算机视觉库，用于读取图像和视频文件，以及在图像上绘制边界框等。

以下是在 Ubuntu 系统中安装 YOLO 的步骤：

1. 安装 CUDA 和 cuDNN：YOLO 的训练和推理都需要 GPU 加速，因此需要安装 NVIDIA 的 CUDA 和 cuDNN 库。

2. 克隆 Darknet 仓库：

   git clone https://github.com/AlexeyAB/darknet.git

3. 编译 Darknet：

   cd darknet
   make

4. 下载 YOLO 模型：

   wget https://pjreddie.com/media/files/yolov3.weights

5. 在 Python 中使用 YOLO：

   import cv2
   import numpy as np

   # 加载 YOLO 配置文件和权重
   net = cv2.dnn.readNet("darknet/cfg/yolov3.cfg", "yolov3.weights")

   # 加载 YOLO 类别名称
   with open("darknet/data/coco.names", "r") as f:
       classes = [line.strip() for line in f.readlines()]

   # 加载图像
   img = cv2.imread("image.jpg")

   # 将图像转换为 YOLO 输入格式
   blob = cv2.dnn.blobFromImage(img, 1/255.0, (416, 416), swapRB=True, crop=False)

   # 将输入数据设置为网络输入
   net.setInput(blob)

   # 运行 YOLO 目标检测
   outs = net.forward(net.getUnconnectedOutLayersNames())

   # 解析输出结果
   class_ids = []
   confidences = []
   boxes = []
   for out in outs:
       for detection in out:
           scores = detection[5:]
           class_id = np.argmax(scores)
           confidence = scores[class_id]
           if confidence > 0.5:
               center_x = int(detection[0] * img.shape[1])
               center_y = int(detection[1] * img.shape[0])
               width = int(detection[2] * img.shape[1])
               height = int(detection[3] * img.shape[0])
               left = int(center_x - width/2)
               top = int(center_y - height/2)
               class_ids.append(class_id)
               confidences.append(float(confidence))
               boxes.append([left, top, width, height])

   # 绘制边界框和类别标签
   for i in range(len(boxes)):
       left, top, width, height = boxes[i]
       cv2.rectangle(img, (left, top), (left+width, top+height), (0, 255, 0), 2)
       cv2.putText(img, classes[class_ids[i]], (left, top-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

   # 显示结果
   cv2.imshow("YOLO", img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

运行上述代码，即可在图像上绘制出 YOLO 目标检测的结果。