YOLO(三):YOLOv4在Windows7(仅CPU)下的配置+opencv3.1.0+VS2015

提醒:本文为64位Windows7操作系统下仅CPU(木有用到显卡)的配置,这是填上一篇YOLOv4的坑(上一篇中有使用到显卡,对于没有显卡但也想跑一下试试的同学可以过来坐坐),构建自己的数据集训练问题还得往后延一下,后期再更新。

主要参考: YOLO V4 :win10+cpu环境的体验

上一篇的YOLOv4在windows7搭载的GTX960显卡配置好之后,无意中看到上面那篇文章,因为自己在之前查找教程的时候,有几个使用cmake生成的例程,但自己一直没跑通,后面就换了一位同学的方法实现。这次看到这个不用显卡的经验,心里痒痒就试了一下,就报了一个很简单的错,改完就成功了,所以赶紧过来分享一下。好啦!废话不多说,开始正题!

(一)环境及配置:

1、VS2015;

2、opencv3.1.0;(参考的那位是用的4.2.0,我用的是3.1.0(链接:https://pan.baidu.com/s/19IM-uyyC9lB6f1oDvebFUg ,提取码:sgh9 ),应该是3.0版本以上都可以,opencv官网上面也都有,安装时记得环境变量的配置)

3、cmake(官网好多随便下官网

4、YOLOv4(darknet源码);在这里插入图片描述
AlexeyAB/darknet中下载好zip文件解压,我放在E:\yolov4\YOLOV4_build - CPU下

5、yolo4.weights;(链接:https://pan.baidu.com/s/1IuYsvLW5RPRTv_jPd1ZRZQ 提取码:sx3s )

(二)cmake生成:

1、打开cmake_gui,两个地址都选择darknet-master地址
在这里插入图片描述
然后点击Configure,出现以下界面:
在这里插入图片描述
选择VS2015,x64,然后直接点Finish
在这里插入图片描述
如果报错,一般是错在opencv没有配好,或者是把cuda或cudnn选上了,关键配置为
在这里插入图片描述
再Configure,
在这里插入图片描述
再Generate
在这里插入图片描述

再 Open Project,打开vs2015,等待加载完成,选择:release、x64,ALL_BUILD右键生成

在这里插入图片描述
(记得我这里本来有一个waitkeyEX的报错,改成waitkey重新生成就可以了)

(三)测试(可参考上一篇):

1、将编译生成的yolo4.weights,darknet.exe都复制到:\build\darknet\x64\目录下。这里是darknet.exe的运行环境

2、将E:\yolov4\darknet-master\build\darknet\x64中darknet_yolo_v3.cmd,darknet_yolo_v3_video.cmd,分别重命名为darknet_yolo_v4_cpu_images.cmd,darknet_yolo_v4_cpu_video.cmd

3、修改darknet_yolo_v4_cpu_images.cmd如下:

darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output dog.jpg
pause

在这里插入图片描述
修改darknet_yolo_v4_cpu_video.cmd如下:

darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -i 0 -thresh 0.25 -ext_output test.mp4

pause

在这里插入图片描述

4,、双击运行darknet_yolo_v4_cpu_images.cmd,图片测试成功!

在这里插入图片描述
在这里插入图片描述
5、视频测试,依然是之前自己骑行的短视频(链接:https://pan.baidu.com/s/1L67Y3D4YSIS1_H-bYGKvKQ ,提取码:c4nm ),放到E:\yolov4\YOLOV4_build\yolov4\x64\Release中,找到darknet_yolo_v4_video.cmd双击运行
在这里插入图片描述
在这里插入图片描述
视频测试,成功!

效果仍然比v3要好一些,(可以对比上一篇博文v3查看效果yolov3在win7仅CPU下的配置)和GPU下的v4YOLO(二):YOLOv4在Windows7(GTX960)下的配置+opencv3.1.0+VS2015

6、也可以直接到cmd控制台进行测试(可参考上两篇文章)

(三)题外话:

1、对比了一下自己跑的v3(CPU)和v4(GPU/CPU),首先v4的效果比v3确实提升不少,但是因为v4的网络比v3要多,所以没有显卡的情况下,v4的处理速度确实慢一些,但识别精度、类别,整体效果要比v3有了较大的提升,另外有条件的,还是推荐用显卡,毕竟检测速度摆在那里。

2、因为这是老师布置的临时任务,所以最近有时间都会追一下YOLO,这次把v3和v4都配置了一遍,后续应该会进行特定场景的应用实现,有时间都会同步在这个系列,也算作一个记录,欢迎大家一起学习交流。

关于YOLOv4在CPU下的配置再次感谢一下这位同学的教程

本系列文章列表如下:
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
YOLO(二):YOLOv4在Windows7(GTX960)下的配置+opencv3.1.0+VS2015
YOLO(三):YOLOv4在Windows7(仅CPU)下的配置+opencv3.1.0+VS2015

猜你喜欢

转载自blog.csdn.net/sinat_34897952/article/details/107191303
今日推荐