Win7/10/Centos7各平台下YOLOv3目标检测CPU+GPU的实现

                                 Win7/10/Centos7各平台下YOLOv3目标检测CPU+GPU的实现

最近由于项目原因接触到机器视觉方面的知识，在这做个有关使用YOLOv3目标检测实操笔记。以便后续查看。

直接先上点干货看看效果：

YOLOv3经典检测图[dog.jpg]

 

自己找的图和视频检测结果：

好了晒完图了，虽然检测结果有瑕疵，但感觉还可以哈- -

下面开始进入主题在Win7/10 Centos下怎么实现这个牛逼的功能!!!

 

一、CentOS7+CPU上的实现步骤:

YOLOv3官网的地址还是要放出来震慑下的：

官网：https://pjreddie.com/darknet/yolo/

在官网上介绍了在Linux{Centos}或者Mac如何使用YOLOv3的步骤：如下图：

照着步骤一步步下来Linux上是可以实现的，不过官网这个是使用CPU来进行检测得到的结果，至于GPU部分并没有说得很清晰，所以后面会说一下如何使用GPU实现检测的；

 

使用购买的腾讯云服务器Centos7环境下做的测试，结果如下：

git clone下来的目录文件

 

其中yolov3.weight权重文件地址如下：

https://pjreddie.com/media/files/yolov3.weights

 

如使用Tiny YOLOv3版本下载权重文件地址如下：

https://pjreddie.com/media/files/yolov3-tiny.weights

 

存放的要检测的数据放在darket/data/目录下 可放被检测的图片和视频文件。

dog.jpg 就是上面第一张被检测的经典源文件。- -

 

执行检测命令及结果如下

 

检测的结果体现方式：名称 : 相识度 dog: 100% truck：92% bicycle：99%

检测结果图片所在的路径：darket/ predictions.jpg；每次检测不同的源图片结果都会覆盖掉之前的【这个覆盖的问题后面看能否解决，先记录着】

 

因为购买的腾讯云上Centos服务器不带有GPU，所以GPU加速部分使用了Win系统来测试；下面是记录的操作步骤。

 

二、Win10/7系统 + CPU/【GPU】上的实现步骤

Win系统上使用AlexeyAB大神优化的YOLOv3开源项目之作darknet，献上链接：https://github.com/AlexeyAB/darknet#how-to-use

准备的安装依赖项软件：

（1）CMake https://cmake.org/download/

（2）OpenCV https://opencv.org/releases/

（3）Visual Studio https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/

（4）NVIDIA驱动

4.1 CUDA：https://developer.nvidia.com/cuda-toolkit-archive

4.2 CUDNN：https://developer.nvidia.com/cuDNN

 

 

(5)下载的OpenCV解压文件夹直接放入C盘目录：

 

配置环境变量如下：

 

在Path下添加OpenCv的 bin 、lib、darket的x64 路径

 

1、CPU实现部分：

将git clone 下来的AlexeyAB项目解压到电脑任意目录。如下

 

打开CMake软件配置如下，将选中darket目录下。点击Configure

 

运行结果如下：继续点击"Generate"按钮，最后点击"Open Project"按钮，程序会默认打开Visual Studio工具

 

选择“Release”+“x64”，右键点击“ALL_BUILD”，在右键菜单中，选择“生成”，结果如下图所示：（这里前提先把Visual Studio 安装好）

右键点击“INSTALL”，在右键菜单中，选择“生成”，如下图所示

 

两次运行都是编译成功的话会在darket目录下生成darket.exe执行程序，这样我们就可以用于目标检测了。需要检测的图片和视频一般放在data目录下

 

检测目标使用方法：cmd命令切换到darknet目录下

本地图片：

darknet.exe detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

 

本地视频：

darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights data/xxx.mp4

视频检测的结果另保存：

darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -ext_output data/xxx.mp4 -out_filename result.mp4

-out_filename result.mp4：另保存视频的名字

 

如果电脑性能差的话可以使用微小模型yolov3-tiny，FPS会好很多，但检测精度就会损失；

图片：darknet.exe detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

视频：darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights data/xxx.mp4

 

检测的视频结果博客貌似不能放上去。我将放置哔哩和腾讯上观看。

谢谢，欢迎留言交流学习！

 

下篇将记录手机(或摄像头)RTMP/RTSP 实时视频流检测