说到常用的深度学习框架，可能关注或者从事相关行业的朋友耳熟能详的框架张口就来。比如我们可能第一会想到Tensorflow或PyTorch，或者国内百度飞桨。或者教学上常用的MXNet这样的框架。当然我们还能找到很多其他的AI框架，不过这次机智客学习的则是一款相对小众的AI框架：Darknet。当然了，时至今日，如果说Darknet相对小众，可能有点说不过去。实际情况是，很早之前机智客就在网上看到过它，只不过忽略了，没有太在意罢了。而那时候，它的确属于一个相对小众的AI框架。而现在，可能很多朋友都知道它，即便你并不熟悉，可能里也知道YOLO模型。这个，简直就是目标检测的明星模型。

的确，YOLO每一个版本，都有比较大的进步。而现在的YOLOv5已经可以在安卓手机上解锁其识别功能了，不可谓不强大。Darknet简直就是YOLO带出来的影响力。YOLO识别万物，速度喜人。因此，有YOLO遍地开花活生生的实例，Darknet的速度可以说是数一数二的。它是由Joseph Redmon提出的一个用C和CUDA编写的开源神经网络框架。它安装速度快，易于安装，并支持CPU和GPU计算。目标检测的速度是它的特点，YOLO是它的核心灵魂。所以谈及Darknet就是在谈YOLO。而在YOLO算法中是把物体检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。基于全局信息进行预测，检测速度快，准确率高。泛化能力强，这些都是YOLO的优势。设计理念则是遵循端到端训练和实时检测。YOLO将输入图像划分为S*S个网格，如果一个物体的中心落在某网格(cell)内，则相应网格负责检测该物体。当然，YOLO也不是没有缺点，比如位置精确度差。不管怎么说，YOLO都是一款很有实用性比较值得了解学习的模型。最新的版本中，YOLOv5s可以在安卓手机上使用了。这个项目已经在Github上开源。需要配备的环境，主机是Ubuntu18.04，Docker容器包括Tensorflow 2.4.0，PyTorch 1.7.0，OpenVino 2021.3，安卓相关的包括Android Studio 4.2.1，minSdkVersion 28，targetSdkVersion 29，TfLite 2.4.0以及小米11和MUI12.5.8好家伙，小米上阵了。最后测试结果显示，不管模型精度是float32还是int8，时间都能控制在250ms以内，连半秒的时间都不到。一个很有意思的项目，很好玩的YOLO项目。