这几天，Alexey Bochkovskiy大神在Yolov4官网上更新了Yolov4-tiny！这对于计算资源相对紧张的开发者来说当然是福音啊。

这样的话，YOLO算法各个版本都有其对应的tiny版本了！

1、从如下网址下载最新版的darknetAB源码：

https://github.com/AlexeyAB/darknet

 2、下载 Yolov4-tiny训练权重：yolov4-tiny权重，将下载好的权重放到darknet目录下即可；

如果需要用Yolov4-tiny来进行训练，则需要下载Yolov4-tiny的预训练权重：yolov4-tiny预训练权重，具体的训练方法参考这里。

3、打开makefile文件，在编译之前可以修改可选参数以适应于自己的计算机：

        (1)GPU=1，采用GPU加速，采用CUDA进行编译；
        (2)CUDNN=1，采用cuDNN v5-v7进行编译，进行加速训练；
        (3)CUDNN_HALF=1，在Titan V、Tesla V100、DGX-2及更高版本上使用；
        (4)OPENCV=1，使用OpenCV，支持各个版本的OpenCV(4.x/3.x/2.4.x)，可以检测来自网络摄像机或web-cams的视频文件与视频流。

        上述这4个参数是主要修改的，其他参数使用得较少，可暂时不用修改。

4、在darknet目录下执行make进行编译；

5、执行如下指令进行图片检测：

./darknet detector test ./cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg

        检测结果如下：

 目标的置信度如下：

Done! Loaded 38 layers from weights-file 
data/dog.jpg: Predicted in 2.609000 milli-seconds.
bicycle: 29%
dog: 72%
truck: 82%
car: 46%

下面是Yolo_v4的检测结果：

 

Done! Loaded 162 layers from weights-file 
data/dog.jpg: Predicted in 27.039000 milli-seconds.
bicycle: 92%
dog: 98%
truck: 92%
pottedplant: 33%

        可以看到Yolov4-tiny检测准确度有下降，但是从耗时来看Yolov4-tiny优势明显：Yolov4-tiny检测的耗时仅为2.6毫秒，而Yolov4检测的耗时则为27毫秒，快了10倍有余！