thtrieu GitHub avatar

darkflow

Python
Darknet 转 TensorFlow 工具thtrieu最近推送 2023年10月24日
模型推理与部署GPL-3.06,1382,012641 issues

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月18日

把 Darknet 的 YOLO 模型转到 TensorFlow 上运行、微调和导出。

Darkflow 是一个 Python 工具,用于把 Darknet 框架训练的 YOLO 目标检测模型翻译成 TensorFlow 计算图。它可以加载已有的 .weights 权重文件,在 TensorFlow 中做前向推理、重新训练或微调,并能导出常量图供移动设备使用。

推荐指数

3.0

适合需要把 YOLO 权重迁移到 TensorFlow 的老项目,但依赖 TensorFlow 1.0,已不适合新项目直接采用。

总 Star 排名

#1079

雷达追踪的 3,958 个 AI 仓库中

创建于

2016

2016年8月16日

核心亮点

  • 1权重迁移

    直接加载 Darknet 的 .weights 和 .cfg 文件,无需重新训练。

  • 2推理与训练

    支持前向检测、从头训练、微调和断点续训。

  • 3JSON 输出

    检测结果可输出为带类别、置信度和像素坐标的 JSON。

  • 4移动端导出

    可导出常量图定义,供 Android 等移动设备使用。

  • 5命令行驱动

    主要操作通过 flow 命令加参数完成,上手路径清晰。

适用场景

  • 已有 YOLO 权重想换框架

    例如:把 tiny-yolo.weights 加载进 TensorFlow,对 sample_img/ 里的图片做批量检测。

  • 在自己的数据集上微调

    例如:用 Pascal VOC 格式的图片和标注,在 tiny-yolo 基础上训练 3 类检测器。

  • 移动端部署验证

    例如:导出常量图,配合 TensorFlow Android 示例做端上目标检测。

它是怎么工作的

  1. 第 1 步

    解析配置

    读取 Darknet 的 .cfg 文件,按层定义搭建 TensorFlow 计算图。

  2. 第 2 步

    加载权重

    把 .weights 文件中的参数映射到对应网络层,可只复用部分层。

  3. 第 3 步

    前向推理

    对指定图片文件夹批量检测,输出边界框和置信度。

  4. 第 4 步

    训练微调

    用 --train 指定数据集和标注,训练中保存 checkpoint 到 ckpt/。

  5. 第 5 步

    导出图

    将训练好的图固化为常量图,供移动端加载。

快速上手

  1. 1

    安装

    在仓库目录内构建 Cython 扩展,或直接用 pip 安装。

    python3 setup.py build_ext --inplace
  2. 2

    查看参数

    先看 flow 支持哪些选项。

    flow --h
  3. 3

    跑一次检测

    用 tiny-yolo 权重对示例图片做前向推理。

    flow --imgdir sample_img/ --model cfg/tiny-yolo.cfg --load bin/tiny-yolo.weights --gpu 1.0
  4. 4

    输出 JSON

    在检测命令后加 --json,结果写入 sample_img/out/。

    flow --imgdir sample_img/ --model cfg/tiny-yolo.cfg --load bin/tiny-yolo.weights --json

适合谁

  • 手上有 Darknet YOLO 权重、想用 TensorFlow 跑推理的开发者
  • 需要在自定义数据集上微调 YOLO 的人
  • 想把检测模型导出到移动端验证的工程师

不太适合

  • 使用 TensorFlow 2.x 或新框架的新项目
  • 只想开箱即用做检测、不愿处理旧依赖的人

成熟度

  • 活跃度最后推送在 2023 年,依赖 TensorFlow 1.0,更新基本停滞。
  • 文档README 覆盖安装、推理、训练和导出,但偏命令示例。
  • 社区约 6100 star、2000 fork,但开放 issue 达 641 个。
  • 上手难度需自行准备权重和配置,且受旧版 TensorFlow 环境限制。

同类项目怎么选

  • AlexeyAB/darknet直接在 Darknet 原生框架上训练和推理,不经过 TensorFlow。
  • ultralytics/yolov5基于 PyTorch 的现代 YOLO 实现,工具链和文档更新。
  • tensorflow/models官方 TensorFlow 目标检测 API,模型和导出流程更完整。

使用前注意

  • · 依赖 Python3、TensorFlow 1.0、numpy 和 opencv 3,环境较旧。
  • · 采用 GPL-3.0 许可,商用集成前需确认许可影响。
  • · 权重文件需自行从 Darknet 官方或 README 提供的网盘获取。
  • · 开放 issue 较多且维护不活跃,遇到问题可能无人响应。

主题标签

tensorflowgraphdarknetdeep-learningdeep-neural-networksconvolutional-neural-networksconvolutional-networksimage-processingobject-detectionmachine-learningreal-timemobile-development