YOLOv 4调用

YOLOv 4调用

更新
opencv4.4已经支持yolov4模型了，调用起来简单的多，调用方式同v3。

---

原答案
昨天听说YOLO出到第四代了，据说识别能力，识别速度双双提高。boss让我看一下方不方便调用到项目里。在Github上下载下来，make一下，试了一下可以运行。
对比YOLOv 3可以发现，在卡车的边上多识别出盆栽（虽然我感觉那个不是盆栽hhh），只说下怎么调用。
在yolov3版本，opencv刚开始并不支持CUDA运算，最早是使用pytorch+opencv实现在目标检测算法在项目中的应用。自从opencv更新到4.20版本以后，增加了对cuda的支持，调用yolov3就简单的多了，opencv内对YOLOv3有很好的支持，cv::dnn::readNetFromDarknet 即可一步读取网络。
在对v4版本的调用最初以为把cfg文件和weights文件简单替换即可。（呵呵，天真了）。反复阅读yolo系列的github官网，终于在文章的最后看到了一丝希望，是一种我从来没用过调用的方式，将YOLO封装成dll文件进行调用。
在搜集了一些资料后，借鉴这两位老哥的流程，在YOLOv4版本下是可以成功的：
https://blog.csdn.net/stjuliet/article/details/87884976
https://blog.csdn.net/weixinhum/article/details/81475548?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1

在调用过程中出现了一些问题值得注意：

问题1：我的版本中出现了这个问题。
error C4996: ‘sprintf’: This function or variable may be unsafe.
解决方案：打开项目----项目属性—配置属性----C/C++ ----预处理器----预处理定义，添加_CRT_SECURE_NO_DEPRECATE_SCL_SECURE_NO_DEPRECATE这两个宏。

问题2：opencv在版本更新中更换了很多名字，在第二个链接中CV_CAP_PROP_FRAME_COUNT在现版本opencv中已经更名为CAP_PROP_FRAME_COUNT。
最后效果图：
无cuda版本运行了5分钟才出结果，一度以为调用方法出了问题。无奈之下为自己快退休的笔记本安装CUDA驱动，加了驱动以后速度大大提升
本来想附上YOLOv4的weights文件，省去，结果超出了220MB上传限制了，哭了。

更新补充一下代码部分

#include 

#ifdef _WIN32
#define OPENCV
#define GPU
#endif

#include "yolo_v2_class.hpp" //引用动态链接库中的头文件
#include 
#include "opencv2/highgui/highgui.hpp"
#include 

#pragma comment(lib, "yolo_cpp_dll.lib") //引入YOLO动态链接库
//#pragma comment(lib, "opencv_world340d.lib") //引入OpenCV链接库，我在vs中配置过了，如果没配置请对应修改

using namespace cv;


//以下两段代码来自yolo_console_dll.sln
void draw_boxes(cv::Mat mat_img, std::vector<bbox_t> result_vec, std::vector<std::string> obj_names,
	int current_det_fps = -1, int current_cap_fps = -1)
{
     
	int const colors[6][3] = {
      {
      1,0,1 },{
      0,0,1 },{
      0,1,1 },{
      0,1,0 },{
      1,1,0 },{
      1,0,0 } };

	for (auto &i : result_vec) {
     
		cv::Scalar color = obj_id_to_color(i.obj_id);
		cv::rectangle(mat_img, cv::Rect(i.x, i.y, i.w, i.h), color, 2);
		if (obj_names.size() > i.obj_id) {
     
			std::string obj_name = obj_names[i.obj_id];
			if (i.track_id > 0) obj_name += " - " + std::to_string(i.track_id);
			cv::Size const text_size = getTextSize(obj_name, cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, 2, 0);
			int const max_width = (text_size.width > i.w + 2) ? text_size.width : (i.w + 2);
			cv::rectangle(mat_img, cv::Point2f(std::max((int)i.x - 1, 0), std::max((int)i.y - 30, 0)),
				cv::Point2f(std::min((int)i.x + max_width, mat_img.cols - 1), std::min((int)i.y, mat_img.rows - 1)),
				color, CV_FILLED, 8, 0);
			putText(mat_img, obj_name, cv::Point2f(i.x, i.y - 10), cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, cv::Scalar(0, 0, 0), 2);
		}
	}
	if (current_det_fps >= 0 && current_cap_fps >= 0) {
     
		std::string fps_str = "FPS detection: " + std::to_string(current_det_fps) + "   FPS capture: " + std::to_string(current_cap_fps);
		putText(mat_img, fps_str, cv::Point2f(10, 20), cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, cv::Scalar(50, 255, 0), 2);
	}
}


std::vector<std::string> objects_names_from_file(std::string const filename) {
     
	std::ifstream file(filename);
	std::vector<std::string> file_lines;
	if (!file.is_open()) return file_lines;
	for (std::string line; getline(file, line);) file_lines.push_back(line);
	std::cout << "object names loaded \n";
	return file_lines;
}

int main()
{
     
	std::string names_file = "coco.names";
	std::string cfg_file = "yolov4.cfg";
	std::string weights_file = "yolov4.weights";
	Detector detector(cfg_file, weights_file,0); //初始化检测器
	std::vector<std::string> obj_names;
	std::ifstream ifs(names_file.c_str());
	std::string line;
	while (getline(ifs, line)) obj_names.push_back(line);
	//测试是否成功读入分类对象文件
	//for (size_t i = 0; i < obj_names.size(); i++)
	//{
     
	//	std::cout << obj_names[i] << std::endl;
	//}
	cv::Mat frame = imread("D://test.jpg");
	std::cout << detector.cur_gpu_id<< std::endl;
	std::vector<bbox_t> result_vec = detector.detect(frame);
	draw_boxes(frame, result_vec, obj_names);
	cv::imshow("test", frame);
	waitKey();	
	return 0;
}