YOLO3实现目标检测（VS2015+OPENCV3.4.2+YOLO3+CUDA10.0+CUDNN7.5）

本人YOLOv3刚刚入坑，走了不少弯路，自己摸索了一下，首先给大家配置一下yolo3，后续会有具体的算法分析讲解。安装VS2015+opencv3.4.2，这个就不用多说了吧，网上很多教程可以参考，主要是安装好opencv，添加环境变量后，切记勿忘，重启一下电脑。
本文电脑：windows7+i7-7700cpu+内存16G+显卡P620
一、github下载darknet。链接：https://github.com/AlexeyAB/darknet
二、安装cuda10.0，安装过程直接默认。安装之前需要了解cuda对应的显卡驱动，我的电脑支持cuda10.0，直接下载安装就行。下面有个对比图，可以参考一下。

安装完成后，接下来需要设置环境变量：

计算机上点右键，打开系统属性->高级系统设置->环境变量，可以看到安装完cuda之后，系统中自动生成CUDA_PATH和CUDA_PATH_V10_0两个环境变量，但还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0(这是默认安装位置的路径，自定义安装的话需要自己设置路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

添加完成后在系统变量path的末尾添加：

%CUDA_LIB_PATH%;
%CUDA_BIN_PATH%;
%CUDA_SDK_LIB_PATH%;
%CUDA_SDK_BIN_PATH%;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64；

下面检查一下cuda安装是否成功：
cmd 运行 nvcc -V

上面显示已经安装成功，可以再检查一下相应的环境变量目录

上述可以看到之前添加的环境变量，如果cuda是自定义安装的，改为自己的安装路径即可。
三、安装cudnn v7.5
注意cudnn版本与cuda版本兼容问题。你可以通过链接下载：https://developer.nvidia.com/rdp/cudnn-download，下载前需要注册会员。里面会显示和cuda对应的版本。安装cudnn后，里面有个cuda文件夹。将cudnn里面的bin、include、lib文件下的文件分别复制到cuda安装的bin、include、lib文件夹下，如下图所示。

四、用VS2015打开darknet-master/build/darnet文件，你会发现里面有gpu和no_gpu版本，本文是基于gpu版的。但请不要直接打开darknet.sln，这一步很重要。
首先用notepad++或者写字板打开darknet.vcxproj，有两处CUDA版本的配置，默认的是10.0。因为我是安装的cuda10.0，所以不用修改。但是很多小伙伴安装的不是这个版本，所以会出现darknet.sln打不开的情况。假如你安装的是9.0，就把CUDA10.0.targets改为CUDA9.0.targets，修改两处即可。
五、打开darknet.sln之后，设置为Release x64模式。然后开始进行相关库的配置，主要就是配置opencv、cuda、cudnn的相关库。
因为本人之前已经新建了自己的opencv属性页，所以vs2015打开darknet.sln之后，直接在它的属性管理器中Release64中添加属性页即可，opencv就配置好了。

右键darknet项目>属性>VC++目录>包含目录，参照下图。
VC++目录>库目录，参照下图。
链接器>附加依赖项，参照下图。加入opencv_world342.lib等。

大家也可以pthreadVC2、cuda相关的库文件目录加到上面去。
点击调试，生成解决方案，就会在darknet-master/build/darknet/x64生成darknet.exe文件。
测试图像：darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 bird.jpg

下面是具体参数显示：可以看出时间是81ms，还凑合

再测试一个，时间大概也是80ms。不过大家可以看出yolo3功能的强大，很多小目标都可以检测到，效率还可以。
可以给大家分享一个提高检测效率的方法，就是使用yolo3-tiny.weights，但是有时候会存在检测准确率下降的问题，可以看一下下面的测试，用的是tiny版本，检测时间是11ms。大大提高了检测效率。

备注：
我用的yolo3版本可以检测80种目标，如：人、自行车、汽车、船、鸟…因为具体的工程需要，没必要检测这么多目标的时候，可以在源码中修改。但是你会发现，当你检测一个图像，假如你原本可以识别上面的两种目标，但你只标记识别了一种，但是测试时间和识别两种目标时间一样。
另外，本人也在做相关的视频检测，调用摄像头进行实时检测，我用的是yolo3.weights，帧率是12FPS。用tiny版本时，帧率可以达到65FPS，但是检测准确率会下降。后续会有具体的代码详解以及更改调试，感兴趣的朋友可以一起学习，共同进步。

YOLO3实现目标检测（VS2015+OPENCV3.4.2+YOLO3+CUDA10.0+CUDNN7.5）相关推荐

使用Yolo3进行目标检测实现流程记录1
上个月需要使用目标检测进行项目开发,简单了解了下目标检测的技术之后,果断选择使用yolo来进行尝试. 在查看了无数篇博客之后,头疼脑热,各种花样的问题之后,果断记录了自行爬坑的过程,希望对后续使用yo ...
【目标检测深度学习环境搭建】CUDA9.0、cudnn7.3、tensorflow_gpu1.10下载和安装过程问题记录
下载教程:https://www.jianshu.com/p/c73668544925 安装教程:https://www.jianshu.com/p/4ebaa78e0233 问题合集: 1.下载cu ...
yolo3连接网络摄像头实现目标检测命令
yolo3连接摄像头实现目标检测 yolo3使用较灵活,可以通过修改源码,来实现自己的一些功能.如果想要连接网络摄像头进行目标检测.针对目前我用的相机是海康或大华的,可以直接采用rtsp协议.测试连接 ...
目标检测学习————Keras搭建yolo3目标检测平台
Keras搭建yolo3目标检测平台源码下载 yolo3实现思路一.预测部分二.训练部分训练自己的yolo3模型参考原文出处点击进入https://blog.csdn.net/weixin ...
YOLOV3目标检测
YOLOV3目标检测 YOLOV3目标检测效果部分代码示例 YOLO3借鉴了残差网络结构,形成更深的网络层次,以及多尺度检测,提升了mAP及小物体检测效果.如果采用COCO mAP50做评估指标( ...
【yolov4目标检测】(4) opencv+yolov4-tiny 实现选择性目标检测，附python完整代码
各位同学好,今天和大家分享一下如何使用 opencv 调用 yolov4-tiny 目标检测方法,并对指定类别进行检测.用b站的视频做测试. 点击按钮 'all',按钮变红色,对所有的类别检测点击按 ...
几十行python代码构建一个前后端分离的目标检测演示网站，代码开源
在深度学习更讲究实用和落地的今天,构建一个简单的,可以利用浏览器和后端交互的演示性 Demo 可以说非常重要且实用了.本文我们将简单的介绍如何用几十行核心代码构建一个好用的.前后端分离的Demo. 2 ...
深入目标检测原理学习笔记1
目标检测(object detection)学习笔记文章目录目标检测(object detection)学习笔记一.目标检测任务概述 1.图像识别的任务 2.图像识别的两种模式 3.目标检测的定 ...
BEV蒸馏来了！BEVDistill：用于多目3D目标检测的跨模态BEV蒸馏
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[3D目标检测]技术交流群后台回复[3D检测综述]获取最新基于点云/BEV/图像的3D ...

YOLO3实现目标检测（VS2015+OPENCV3.4.2+YOLO3+CUDA10.0+CUDNN7.5）

YOLO3实现目标检测（VS2015+OPENCV3.4.2+YOLO3+CUDA10.0+CUDNN7.5）相关推荐

最新文章

热门文章