1.

Installation de YoloV3 en Linux :

1.1. Installation de OpenCV :
OpenCV (pour Open Computer Vision) est une bibliothèque graphique libre, initialement
développée par Intel, spécialisée dans le traitement d’image en temps réel. La bibliothèque
OpenCV met à disposition de nombreuses fonctionnalités très diversifiées permettant de créer des
programmes en partant des données brutes pour aller jusqu'à la création d'interfaces graphiques
basiques.
Je vais vous montrer me guide d’installation de OpenCV 3.4.0 et Python 3.6.3 sur Ubuntu
18.03.

Tout d’abord on doit disposer de python qui est installer par la première commande et
pour bien installer opencv on aura besoin de dépendance Qt5, que j’ai installé à l’aide de la 2éme
commande. En fin récupère l’archive de opencv 3.4.0 par la dernière commande.

Maintenant la décompression de zip téléchargé et la création d’un nouveau dossier build

pour y mettre le l’installation de opencv par les commandes 1 et 2, En fin installation par cmake.

1.2. Installation de Darknet :

Darknet est un Framework open source qui prend en charge les tâches de détection d'objets
et de classification d'images sous la forme de réseaux de neurones convolutionnels. Darknet est
principalement connu pour sa mise en œuvre de l'algorithme YOLO (You Only Look Once), qui
a démontré des performances de pointe en matière de détection d'objets en temps réel.
 La commande 1 et 2 pour télécharger Darknet de github et y accédé, ensuit la commande
3 nous permet de installer le projet sur notre SE, et je peut activé n’import quel option pour installer
avec comme opencv dans notre cas, il suffit juste de changer opencv=0 dans le fichier makefile à
opencv=1.

téléchargement de fichier yolov3.weights par la commande 4 est nécessaire parce qu’il

contient des classes pre-entrainé, la commande 5 nous aide pour lancer le détecteur sur une image
dog.jpg. Par défaut, YOLO affiche uniquement les objets détectés avec une confiance de 0,25 ou
plus. Vous pouvez changer cela en passant l'indicateur -thresh <val> à la commande yolo. Par
exemple, la commande 6.

Exécuter YOLO sur des données de test n'est pas très intéressant si vous ne pouvez pas
voir le résultat. Au lieu de l'exécuter sur un tas d'images, exécutons-le sur l'entrée d'une webcam!
Pour exécuter cette démo, Exécutez la commande 7, YOLO affichera le FPS actuel et les
classes prévues ainsi que l'image avec des cadres de délimitation dessinés dessus. Vous aurez
besoin d'une webcam connectée à l'ordinateur auquel OpenCV peut se connecter ou cela ne
fonctionnera pas. Si vous avez plusieurs webcams connectées et que vous souhaitez sélectionner
celle à utiliser, vous pouvez passer le drapeau -c <num> à choisir (OpenCV utilise la webcam 0
par défaut).
Vous pouvez également l'exécuter sur un fichier vidéo si OpenCV peut lire la vidéo avec
la commande 8.