适用于Windows和Linux的Yolo-v4 使用方法（中文版使用手册）
Paper Yolo v4：https://arxiv.org/abs/2004.10934
更多详细信息：http://pjreddie.com/darknet/yolo/
关于pytorch，可加群857449786 注明（pytorch）
Tensorflow 深度学习实战群 755860371 共同学习，谢谢
————————————————
Yolo v4
安装环境
vs（vs2017）
cuda（cuda10.1）
cudnn（cudnn7）
opencv（opencv4.1）
cmake（cmake3.14.2）
安装步骤
1.生成项目
打开cmake，设置源文件路径（项目根目录）与输出文件路径
通过添加与删除配置选项如下图所示
* 点击Configure，弹出对话框如下，选择编译器（Visual studio 15 2017）与平台（x64）
点击Finish后开始运行，显示Configuring Done后点击Generate生成项目
2.编译可执行文件
进入输出文件目录，双击darknet.sln运行vs
选择Release x64配置运行编译
如果直接生成的话，经常会报错“无法找到“ opencv2 / opencv.hpp”和“ opencv2 / core / version.hpp””
打开右边的“属性管理器”
再次重新生成解决方案：成功
3.运行可执行文件
进入Release目录下，将项目B:\darknet\darknet\build\darknet\x64目录下的data文件夹、cfg文件夹
B:\darknet\darknet\3rdparty\pthreads\bin\pthreadVC2.dll
下载下来的权重文件
都放到Release目录下
运行darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0使用摄像头进行检测，可保存为bat脚本一键执行
总结
可修改bat文件使用不同的模型进行测试，例如darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny-prn.cfg yolov3-tiny-prn.weights -c 0使用yolov3-tiny模型进行检测