三分钟：极速体验JAVA版目标检测(YOLO4)

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

• 检测照片中的物体，用Java可以实现吗？
• 可以，今天咱们用最少的时间、最简单的操作来体验这个实用的功能，您提交一张普通照片后，会看到下图效果，原照片上的狗子、人、马都被识别出来，每个识别框的左上角是类别和置信度，最后，图片左上角还有本次识别所用时间：

• 接下来请随本文一起动手来实现上述效果，整个过程分三步完成：

1. 下载模型和配置文件
2. 运行docker容器，这是个web服务，咱们用浏览器访问此服务，提交照片完成检测
3. 验证效果（在浏览器上打开web页面，提交图片，等待检测结果）

风险提前告知

• 为了简化操作，接下来会用到docker，对应的镜像体积巨大，达到了恐怖的1.57G，建议您为自己的docker做好加速配置，可以减少下载等待时间；
• 由于opencv体积庞大，再加上javacv的依赖库也不小，这才导致超大镜像的出现，还望您多多海涵，标题中的《三分钟》是要去掉镜像的等待时间的，您要是觉得欣宸的标题起得很无耻，我觉得您是对的…

环境信息

• 本次实战推荐的环境信息如下：

1. 操作系统：Ubuntu 16（MacBook Pro也可以，版本是11.2.3，macOS Big Sur）
2. docker：20.10.2 Community

• 不多说了，立即动手！

下载模型和配置文件

• 本次实战所需要的文件有两种下载方式，您二选一即可
• 第一种是从官方下载，从下面这三个地址分别下下载：

1. YOLOv4配置文件: https://raw.githubusercontent.com/AlexeyAB/darknet/master/cfg/yolov4.cfg
2. YOLOv4权重: https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights
3. 分类名称: https://raw.githubusercontent.com/AlexeyAB/darknet/master/data/coco.names

• 第二种是从csdn下载（无需积分），上述三个文件我已打包放在此：https://download.csdn.net/download/boling_cavalry/33229838
• 上述两种方式无论哪种，最终都会得到三个文件：yolov4.cfg、yolov4.weights、coco.names，请将它们放在同一目录下，我是放在这里：/home/will/temp/202110/19/model
• 新建一个目录用来存放照片，我这里新建的目录是：/home/will/temp/202110/19/images，注意要确保该目录可以读写
• 最终目录结构如下所示：

/home/will/temp/202110/19/
├── images
└── model
    ├── coco.names
    ├── yolov4.cfg
    └── yolov4.weights

运行docker容器

• 执行以下命令即可完成服务部署(注意刚才提到的两个目录都被映射到容器中了)：

sudo docker run 
--rm 
--name yolodemo 
-p 8080:8080 
-v /home/will/temp/202110/19/images:/app/images 
-v /home/will/temp/202110/19/model:/app/model 
bolingcavalry/yolodemo:0.0.1

• 控制台会输出springboot的启动信息：

  .   ____          _            __ _ _
 /\ / ___"_ __ _ _(_)_ __  __ _    
( ( )\___ | "_ | "_| | "_ / _` |    
 \/  ___)| |_)| | | | | || (_| |  ) ) ) )
  "  |____| .__|_| |_|_| |_\__, | / / / /
 =========|_|==============|___/=/_/_/_/
 :: Spring Boot ::                (v2.4.8)

2021-10-19 07:39:20.112  INFO 1 --- [           main] c.b.yolodemo.YoloDemoApplication         : Starting YoloDemoApplication using Java 1.8.0_292 on 06e6b68f43ca with PID 1 (/app started by root in /)
2021-10-19 07:39:20.115  INFO 1 --- [           main] c.b.yolodemo.YoloDemoApplication         : No active profile set, falling back to default profiles: default
2021-10-19 07:39:20.997  INFO 1 --- [           main] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat initialized with port(s): 8080 (http)
2021-10-19 07:39:21.010  INFO 1 --- [           main] o.apache.catalina.core.StandardService   : Starting service [Tomcat]
2021-10-19 07:39:21.010  INFO 1 --- [           main] org.apache.catalina.core.StandardEngine  : Starting Servlet engine: [Apache Tomcat/9.0.48]
2021-10-19 07:39:21.083  INFO 1 --- [           main] o.a.c.c.C.[Tomcat].[localhost].[/]       : Initializing Spring embedded WebApplicationContext
2021-10-19 07:39:21.084  INFO 1 --- [           main] w.s.c.ServletWebServerApplicationContext : Root WebApplicationContext: initialization completed in 915 ms
2021-10-19 07:39:21.157 ERROR 1 --- [           main] c.b.y.controller.YoloServiceController   : file.encoding is utf-8
2021-10-19 07:39:23.449  INFO 1 --- [           main] o.s.b.a.w.s.WelcomePageHandlerMapping    : Adding welcome page template: index
2021-10-19 07:39:23.627  INFO 1 --- [           main] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat started on port(s): 8080 (http) with context path ""
2021-10-19 07:39:23.640  INFO 1 --- [           main] c.b.yolodemo.YoloDemoApplication         : Started YoloDemoApplication in 3.893 seconds (JVM running for 4.329)
2021-10-19 07:39:49.872  INFO 1 --- [nio-8080-exec-1] o.a.c.c.C.[Tomcat].[localhost].[/]       : Initializing Spring DispatcherServlet "dispatcherServlet"
2021-10-19 07:39:49.872  INFO 1 --- [nio-8080-exec-1] o.s.web.servlet.DispatcherServlet        : Initializing Servlet "dispatcherServlet"
2021-10-19 07:39:49.873  INFO 1 --- [nio-8080-exec-1] o.s.web.servlet.DispatcherServlet        : Completed initialization in 1 ms

• 部署完成，接下来体验服务验证效果

验证效果

• 浏览器访问http://192.168.50.27:8080，这里的192.168.50.27请改成docker宿主机IP（要关闭防火墙！），可见操作页面如下图（欣宸的前端开发水平渣到令人发指，果然不是空穴来风）：

• 按照上图红框的提示，选择一张照片并点击提交按钮，短暂等待后展示如下页面：

• 去看docker的控制台，也输出了识别的日志：

2021-10-19 07:39:57.830   : 文件 [person.jpg], 大小 [113880]
2021-10-19 07:39:59.303   : 一共检测到3个目标
2021-10-19 07:39:59.306   : 类别[person]，置信度[99.78939%]
2021-10-19 07:39:59.307   : 类别[dog]，置信度[99.45358%]
2021-10-19 07:39:59.307   : 类别[horse]，置信度[98.37547%]

• 动物识别效果挺好：

• 至此，Java版目标检测的体验已完成，也就三分钟的事情，咱们足够高效(下载超大镜像的时间不能算，不敢算…)
• 此刻您应该能感受到Java在目标识别领域的魅力了，聪明的您当然会有很多疑问，例如：
• 用了啥技术？（别告诉我只用springboot，不信）
• 写了啥代码？
• 运行环境好不好配置？只要jar依赖吗？还需要其他操作吗？
• 有坑么？
• 其实从标题就可以看出，和YOLO有关，java与YOLO4，有点小期待了吗？
• 这些疑问在接下来的文章中会完全揭秘，然后您也能轻易做出集成了目标识别的SpringBoot应用了，敬请期待，欣宸原创不会辜负您。
  https://github.com/zq2599/blog_demos