適用於Windows和Linux的Yolo-v4 使用方法(中文版使用手冊)
Paper Yolo v4:https://arxiv.org/abs/2004.10934
更多詳細信息:http://pjreddie.com/darknet/yolo/
關於pytorch,可加羣857449786 註明(pytorch)
Tensorflow 深度學習實戰羣 755860371 共同學習,謝謝
————————————————
Yolo v4
安裝環境
vs(vs2017)
cuda(cuda10.1)
cudnn(cudnn7)
opencv(opencv4.1)
cmake(cmake3.14.2)
安裝步驟
1.生成項目
打開cmake,設置源文件路徑(項目根目錄)與輸出文件路徑
通過添加與刪除配置選項如下圖所示
* 點擊Configure,彈出對話框如下,選擇編譯器(Visual studio 15 2017)與平臺(x64)
點擊Finish後開始運行,顯示Configuring Done後點擊Generate生成項目
2.編譯可執行文件
進入輸出文件目錄,雙擊darknet.sln運行vs
選擇Release x64配置運行編譯
如果直接生成的話,經常會報錯“無法找到“ opencv2 / opencv.hpp”和“ opencv2 / core / version.hpp””
打開右邊的“屬性管理器”
再次重新生成解決方案:成功
3.運行可執行文件
進入Release目錄下,將項目B:\darknet\darknet\build\darknet\x64目錄下的data文件夾、cfg文件夾
B:\darknet\darknet\3rdparty\pthreads\bin\pthreadVC2.dll
下載下來的權重文件
都放到Release目錄下
運行darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0使用攝像頭進行檢測,可保存爲bat腳本一鍵執行
總結
可修改bat文件使用不同的模型進行測試,例如darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny-prn.cfg yolov3-tiny-prn.weights -c 0使用yolov3-tiny模型進行檢測