YOLOv4
@
YOLOv4是最近开源的一个又快又准确的目标检测器。
首先看一下Github上的版本要求及下载地址：
系统：Windows or Linux
CMake >= 3.12: https://cmake.org/download/
CUDA 10.0: https://developer.nvidia.com/cuda-toolkit-archive
OpenCV >= 2.4: 直接从Opencv官网下载就好
cuDNN >= 7.0 for CUDA 10.0: https://developer.nvidia.com/rdp/cudnn-archive
Visual Studio 2015/2017/2019: https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community
YOLO v4源码
YOLOv4仓库github地址： https://github.com/AlexeyAB/darknet.
为了防止下载压缩包解压后会丢失一些文件，建议在码云上clone下来。
CMake安装
进入官网下载最新的版本即可，图中红色标注的位置，下载后一路默认安装点下来就好。（PS：如果下载网络较慢，这里有百度云链接，提取码：ev94）
CUDA安装
CUDA是我当初安装tensorflow2.0时安的
主要是从官网上下载安装文件，
解压缩，如图：
同意并继续，选择精简，进入安装，大概要几分钟的时间。
安装完成后检查是否安装成功。
win+R 进入运行界面，输入cmd进入命令行界面，输入nvcc –version 查看是否安装成功
cuDNN安装
在官网下载前需要注册NVIDIA DEVELPOER 的账号，选择与CUDA10.0对应的版本cuDNN7.6.4，点击library for win10文件,大概有240M左右。如下图所示：
官网的安装教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
其实就是将解压后将下面几个文件复制到CUDA的对应路径下。
- Copy …\cuda\bin\cudnn64_7.6.5.32.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin.
- Copy …\cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include.
- Copy …\cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64.
简便快捷的方法就是把下载好的CUDNN文件 全部复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2中
OpenCV安装
从官网下载，版本要大于2.4
下载好直接解压就可以,并将installpath\opencv\build\路径添加到系统的环境变量中,
CMake编译的时候会自动找到这个文件夹
添加环境变量如下图所示，在此电脑右击属性，弹出下图界面，点击高级系统设置。
点击环境变量，新建环境变量，
新建环境变量，变量名为OpenCV_DIR，变量地址为C:\Program Files\opencv\build
Cmake编译
如果你想用GPU加快检测速度，需要将Makefile文件用记事本打开，更改GPU=1 CUDNN=1 CUDNN_HALF=1 OPENCV=1。如下图所示：
选择Browse Source 为源码所在文件夹，Browse Build 可以选择同一文件夹，点击Configure，弹出如下界面：
第一项选择你所安装的VS版本，第二项平台选择x64 ,点击Finish，点击Configure，没有错误后点击生成。
成功后点击Open Project 打开项目文件。
VS编译
注意：选择release版本，x64，直接生成解决方案。
将D:\github\darknet\Release文件夹下的darknet.exe文件复制
打开到D:\github\darknet\build\darknet\x64文件夹内进行粘贴，如下图所示
将opencv …\opencv\build\x64\vc14\bin 下的两个opencv_world330.dll和 opencv_ffmpeg330_64.dll dll文件复制到上述文件夹内。如下图所示：
将cuDNN中的cudnn64_7.dll复制到上述文件夹。
图像测试
为了验证是否配置成功，下载推荐的yolov4.weights文件，文件大概有245M，百度云.密码：wg0r
将下载后的文件放在D:\github\darknet\build\darknet\x64文件夹下。
打开cmd命令行，转到上述的文件夹内，如下图所示：
按照GitHub，测试图像和视频复制对应的命令：
Yolo v4 COCO – image: darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25
Output coordinates of objects: darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg
Yolo v4 COCO – video: darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4
测试结果
-
自带的dog图像
-
羊群