简介：
本系列博文介绍对Darknet源码的理解，这一部分为程序主体框架的理解。本博文默认读者基本熟悉Darknet的使用。
正文：
darknet的主函数在darknet.c中，其中的main（）函数根据终端输入参数转向不同的功能函数。
若argv[1]= “detector”，则转向run_detector()(该函数在detector.c中)，并将输入参数传递给
run_detector（）。
run_detector（）根据参数不同，转向不同的功能函数，如下图所示，该段代码在detector.c的最下面。
熟悉darknet的使用的朋友肯定知道，一般检测一张图片时执行的命令为
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg
结合上图，当第二个参数为test时，将转向执行test_detector()（在detector.c中）。具体程序参考detector.c中。
在test_detector（）中，
1. 执行network*net = load_network(cfgfile, weightfile, 0)初始化一个网络，cfgfile为模型配置文件，weightfile为
模型权重文件。
2. 执行image im= load_image_color(input,0,0)，读取一张图片，input为图片地址。执行imagesized =
letterbox_image(im, net->w, net→h)，对图片进行resize，resize成模型需要的大小。
3. 执行network_predict(net,X)，模型进行前向传播。X为输入图片。
4. 执行detection*dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1,&nboxes)，根据网络的输
出，提取出检测到的目标的位置以及类别。
5. 执行draw_detections(im,dets, nboxes, thresh, names, alphabet, l.classes)，将目标的位置以及类别标注在图
片中。
注：
network、image、detection等为框架中定义的结构体，其在darknet.h文件中声明的。
总结：
在test_detector（）函数中，包含了我们熟悉的一个端到端的过程。即，初始化模型、读取模型权重、读取图片、图片resize、
将图片喂给模型进行前向传播、根据模型输出得到目标位置及类别、将目标位置及类别标注在图片上。
下一篇博客，将介绍输入图片读取的具体过程！