YOLOv4

@

目录

• YOLO v4源码
• CMake安装
• CUDA安装
• cuDNN安装
• OpenCV安装
• Cmake编译
• VS编译
• 图像测试
• 测试结果

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。

1. Copy ...\cuda\bin\cudnn64_7.6.5.32.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin.
2. Copy ...\cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include.
3. 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

1. 自带的dog图像
   
   

2. 羊群