YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015

提醒一下:本文为64位Windows7操作系统下仅CPU的配置,GPU版本及YOLO-V3的训练问题先挖个坑,后期再更新。

  主要参考:CSDN博主「凌空的桨」:(https://blog.csdn.net/baidu_36669549/article/details/79798587)

其实对于初学者,YOLOv3上手真的是非常友好,但架不住网上坑人的所谓狗皮膏药一样的教程,不可避免的要经受洗礼,终于找到了上面这位同学的参考,不到半个小时就成功了。好啦!废话不多说,开始正题!

(一)环境及配置:

1、VS2015;(没试过VS2013,有兴趣的同学可以试一下(不保熟))

2、opencv3.1.0;(上面那位是用的3.2.0(链接:https://pan.baidu.com/s/1vsABe_V4l4xCQnsCRj9–g
提取码:4ez9 ),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、YOLOv3;(官网
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
AlexeyAB/darknet中下载好zip文件解压,我放在E:\darknet-master下

4、yolo3.weights;(链接:https://pan.baidu.com/s/16kx2JBDZEguZQJa31604nQ ,提取码:cgj5 )

(二)准备工作:

1、进入E:\darknet-master\build\darknet中找到darknet_no_gpu.sln,右键用VS2015打开(我已经跑了一遍,所以生成了一些其他文件)
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
2、选择Release ×64,开始调试(很快)
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
没有问题,继续!

3、进入E:\darknet-master\build\darknet\x64中找到了darknet_no_gpu.exe,将darknet_no_gpu.exe重命名成为darknet.exe
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
4、把yolo3.weights放到E:\darknet-master\build\darknet\x64中
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
5、找到darknet_yolo_v3.cmd,双击运行
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
图片测试,成功!
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015

6、视频测试,整一段之前骑行的短视频(链接:https://pan.baidu.com/s/1L67Y3D4YSIS1_H-bYGKvKQ ,提取码:c4nm ),放到E:\darknet-master\build\darknet\x64中,找到darknet_yolo_v3_video.cmd双击运行
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
视频测试,成功!
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
但是,真的很卡!
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
7、也可以直接到cmd控制台进行测试,先进入E:\darknet-master\build\darknet\x64
YOLO(一):YOLOv3在Windows7(无GPU)下的配置+opencv3.1.0+VS2015
测试图片:
darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 dog.jpg
测试视频:darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.mp4

测试时可以进行简单的参数调整(6中.cmd文件也可修改参数)

(三)题外话:

1、正好前段时间也配置了一下CPU版本的caffe(挖个坑,下次补上),相较于YOLO的简单直接,caffe实在对CPU党不友好;目前而言,caffe慢精度好一些,YOLO快精度差一些,需要结合不同的应用具体问题具体考虑,但两者都正在进行各自短板的突破当中,谁先突破目前还不能断言

2、2020年2月,「YOLO 之父」Joseph Redmon 宣布退出计算机视觉领域,原因是他已经无法忽视YOLO在军事领域的应用以及给个人隐私带来的风险。对于大佬的选择,我们表示尊重,但还是要感谢前人给我们开辟的这条道路,希望后继者可以做出更具突破的工作吧

3、这次上手YOLO也是机缘巧合,老师布置的临时任务,以后会继续不断更新YOLO的学习情况,希望和各位大家一起学习,也算一个记录吧,最后再次感谢一下大佬凌空的桨

上一篇:深度学习与Tensorflow2.0实战笔记之目标检测——YOLO


下一篇:Darknet+Yolo安装测试并使用VOC数据集训练