window版本YOLO-Fastest从Darknet源码编译、测试

摘要

此darknet版本包含yolov2,yolov4,yolo-fastest,后续添加其他

一、准备工作

环境：window10，cuda10.0. cudnn7.6, cmake.opencv3.4.0(opencv4.4.0也是一样的)
源码：

二、安装

1、模型编译、测试

1.1、draknet编译
1）打开cmake，选择Yolo-Fastest文件夹为source code路径，Yolo-Fastest文件夹为目标文件夹；然后点击configure，再选择opencv.exe解压缩后的build文件夹为OPENCV_DIR的路径；

主要opencv_DIR的路径，要是c:\opencv_3.4.0\opencv是会报错
2）打开Yolo-Fastest\build\darknet目录下darknet.vcxproj，如下图所示，修改CUDA的版本号，我这里是CUDA 10.0，记住先修改cuda的版本号，否则vs打开会有问题。修改之后，打开VS2015

3）打开Visual Studio2015(具体根据你在configure时选择的编译环境，我这里是2015，比如你是2017.你就选择2017)，选择release，然后生成解决方案；
如下图所示

报错如下：

分别在darknet、uselib、uselib_track打开属性->链接器->命令行-其他选项中，将machine/X86改为machine/X64，下面以darknet为例演示一下，其他类似。

再重新编译，

要是报错，分别对对应的项目编译，比如darknet，右键选择“重新生成”，uselib、uselib_track类似
最后生成解决方案

如下图所示，表示编译成功

4）编译完成后在Yolo-Fastest目录下会有Release文件夹，把里面编译完成的darknet.dll和darknet.exe复制到Yolo-Fastest/build/darknet/x64目录下；

5）把Yolo-Fastest目录下的除README.MD以外的4个文件复制到Yolo-Fastest/build/darknet/x64/cfg目录下；

1.2、YOLO-Fastest视频和图片测试
1）视频测试
输入如下指令既可测试视频检测并输出检测的结果，CPU检测可以达到14FPS/s，比同等条件下使用GPU检测的YOLO-V4快很多：

./darknet detector demo ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/test_car.mp4 -i 1 -thresh 0.25 -out_filename ./data/car_output.mp4

2）图片测试
输入如下指令既可测试视频检测并输出检测的结果，CPU检测用时为：

./darknet detector test ./cfg/voc.data ./cfg/yolo-fastest.cfg ./cfg/yolo-fastest.weights ./data/person.jpg -i 1 -thresh 0.25 -out_filename ./data/person_output.jpg

2、编译python接口的darknet动态链接库

后续会补充gpu版本的，因为编译gpu版本的时候，报错，还没有完全解决掉，待解决掉之后，会补充上。

1. 打开D:\XX\Yolo-Fastest\build\darknet下的yolo_cpp_dll_no_gpu.vcxproj，类似与darknet.vcxproj,修改CUDA的版本，本文是CUDA 10.0
   
   2）打开Visual Studio2015(具体根据你在configure时选择的编译环境，我这里是2015，比如你是2017.你就选择2017)，选择release，然后生成解决方案；
2. 编译成功之后在D:\XX\Yolo-Fastest\build\darknet\x64有6个文件，也许你编译出来不带_nogpu,那么你修改一下，把名字改为如下模样。因为这个编译的是无gpu版本的python动态链接库
   
   下一篇写一下python调用darknet的动态接口进行测试，并保存结果