[PYTHON] Exécutez yolov4 "pour le moment" dans Windows

Cette page décrit jusqu'à l'inférence du célèbre dog.ipg, qui est un tutoriel de yolo-v4. os utilise Windows. De plus, parce que je ne suis pas bon en anglais, je prends peut-être des mesures inutiles. Si vous êtes intéressé, veuillez vous rendre sur https://github.com/AlexeyAB/darknet et y aller par vous-même. dog.jpg　↓↓↓

en premier

On suppose que les éléments de base tels que l'opencv et le studio visuel ont été achevés. Si vous ne l'avez pas fait, vérifiez-le, la procédure est la même que jusqu'à la v3.

Cloner depuis git

Clonez en tapant la commande suivante à l'emplacement où vous souhaitez créer darknet.

git clone https://github.com/AlexeyAB/darknet

Faire cmake

Accédez à la compilation dans le dossier darknet que vous avez cloné précédemment et effectuez un cmake. Le code ci-dessous.

cd build
cmake ..

Si cmake ne le reconnaît pas comme une commande, commencez par faire cmake. cmake est facile, alors faites de votre mieux pour le construire.

Construire

Il y a un deuxième darknet sous le dossier de construction, donc c'est dedans

• darknet.sln
• yolo_console_dll.sln
• yolo_cpp_dll.sln

Nous allons construire ces trois en utilisant Visual Studio. Je pense qu'il y a un fichier avec no_gpu, mais je ne l'ai pas touché donc je ne sais pas ce qui va se passer. Comme vous pouvez le deviner d'après le nom, il passera à cpu (-_-;) Je le ferai avec gpu, donc je le ferai en tant que gpu.

Comment construire chaque .sln

Prenez darknet.sln comme exemple. Vous pouvez faire les deux autres de la même manière. Si vous ouvrez darknet.sln avec vs, vous verrez un écran comme celui-ci. procédure

• Cliquez avec le bouton droit sur darknet dans l'Explorateur de solutions en haut à droite
• Sélectionnez votre propre cuda à partir du contrôle de la source
• Cliquez à nouveau avec le bouton droit et sélectionnez la propriété du bas
• Ouvrez le gestionnaire de configuration en haut à droite et modifiez la solution et la plate-forme actives en version et x64
• Revenez à la page de propriétés et ajoutez un chemin avec les fichiers d'inclusion opencv et cuda de c / c ++ au répertoire d'inclusion (les fichiers d'inclusion cuda sont des fenêtres → fichiers de programme → nvidia gpu → Il y a un fichier d'inclusion dans chaque version. Opencv est une auto-assistance S'il vous plaît faites de votre mieux)
• Après avoir ajouté le chemin d'inclusion, ouvrez l'éditeur de liens (sur la gauche). Il y a un répertoire de bibliothèque supplémentaire dedans, alors ajoutez ici le chemin des fichiers opencv et cuda lib.
• Appuyez sur Appliquer
• Faites un clic droit sur darknet et appuyez sur Construire (si rien ne fonctionne ici, appuyez sur Reconstruire plusieurs fois et cela peut fonctionner).

Après avoir fait ce qui précède, si darknet.exe est créé sous x64, il réussit.

• darknet.sln→darknet.exe
• yolo_console_dll.sln→yolo_console_dll.exe
• yolo_cpp_dll.sln→yolo_cpp_dll.dll

Ce qui précède est fait. À ce stade, c'est presque terminé.

Essayez de déduire

Exécutez la commande suivante dans le dossier x64.

python darknet.py

Cette commande déduit le dog.jpg par défaut. résultat Vous obtiendrez des résultats comme celui-ci. Je n'ai pas fait de table de correspondance, donc c'est seulement bbox. Si vous voulez faire une autre image, vous pouvez le faire en éditant darknet.py.

Après ça

Je veux vous laisser apprendre, et je veux faire cela aussi, donc j'écrirai si le nombre d'articles n'augmente pas lorsque l'apprentissage est terminé.

Impressions

C'était difficile car il y avait peu d'articles en japonais (; ^ _ ^ A) Je veux pouvoir apprendre correctement. Je ne suis pas bon en anglais, donc c'est à peine fait, donc la crédibilité est en lambeaux (rires) Si vous êtes intéressé, n'hésitez pas à partir de github. J'ai l'impression de faire beaucoup de choses dont je n'ai pas besoin. Je suis désolé, il est difficile de lire m (_ _ "m)