yolov4用1050ti_C#封装YOLOv4算法进行目标检测

C#封装YOLOv4算法进行目标检测

概述

YOLO: 是实现实时物体检测的系统，Darknet是基于YOLO的框架

采用C#语言对 YOLOv4 目标检测算法封装，将模型在实际应用系统中落地，实现模型在线远程调用。

环境准备

本章只讲解如何对YOLOv4封装进行详解，具体环境安装过程不做介绍

查看你的GPU计算能力是否支持 >= 3.0：【点击查看】

Windows运行要求

CMake >= 3.12: 【点击下载】

CUDA >= 10.0: 【点击下载】

OpenCV >= 2.4: 【点击下载】

cuDNN >= 7.0: 【点击下载】

Visual Studio 2017/2019: 【点击下载】

我所使用的环境

系统版本：Windows 10 专业版

显卡：GTX 1050 Ti

CMake版本：3.18.2

CUDA版本：10.1

OpenCV版本：4.4.0

cuDNN版本：10.1

MSVC 2017/2019: Visual Studio 2019

程序代码准备

源代码下载

使用Git

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

cd darknet

代码结构

将YOLOv4编译为DLL

详细教程：【点击查看】，这个教程描述的很详细。

进入 darknet\build\darknet 目录，打开解决方案 yolo_cpp_dll.sln

设置Windows SDK版本和平台工具集为当前系统安装版本

设置Release和x64

然后执行以下操作：Build-> Build yolo_cpp_dll

已完成生成项目“yolo_cpp_dll.vcxproj”的操作。

========== 生成: 成功 1 个，失败 0 个，最新 0 个，跳过 0 个 ==========

在打包DLL的过程中可能遇到如下问题

C1041

无法打开程序数据库“D:\代码管理\C\darknet\build\darknet\x64\DLL_Release\vc142.pdb”；如果要将多个 CL.EXE 写入同一个 .PDB 文件，请使用 /FSyolo_cpp_dllC:\Users\administrator\AppData\Local\Temp\tmpxft_00005db0_00000000-6_dropout_layer_kernels.compute_75.cudafe1.cpp1

MSB3721

命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\nvcc.exe" -gencode=arch=compute_30,code=\"sm_30,compute_30\" -gencode=arch=compute_75,code=\"sm_75,compute_75\" --use-local-env -ccbin "C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\HostX86\x64" -x cu -IC:\opencv\build\include -IC:\opencv_3.0\opencv\build\include -I..\..\include -I..\..\3rdparty\stb\include -I..\..\3rdparty\pthreads\include -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" -I\include -I\include -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" --keep-dir x64\Release -maxrregcount=0 --machine 64 --compile -cudart static -DCUDNN_HALF -DCUDNN -DGPU -DLIB_EXPORTS -D_TIMESPEC_DEFINED -D_SCL_SECURE_NO_WARNINGS -D_CRT_SECURE_NO_WARNINGS -DWIN32 -DNDEBUG -D_CONSOLE -D_LIB -D_WINDLL -D_MBCS -Xcompiler "/EHsc /W3 /nologo /O2 /Fdx64\DLL_Release\vc142.pdb /Zi /MD " -o x64\DLL_Release\dropout_layer_kernels.cu.obj "D:\darknet\src\dropout_layer_kernels.cu"”已退出，返回代码为 2。yolo_cpp_dllC:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations\CUDA 10.1.targets757

解决方法

在VS 2019 工具》选项》项目和解决方案》生成并运行 中最大并行项目生成数设为 1

在VS 2019 项目-》属性-》配置属性-》常规 将Windows SDK版本设置为系统当前版本即可

封装YOLOv4编译后的DLL

1、进入 darknet\build\darknet\x64 目录，将 pthreadGC2.dll 和 pthreadVC2.dll 拷贝到项目 Dll 文件夹

2、将编译后的YOLOv4 DLL文件拷贝到项目 Dll 文件夹

3、进入 darknet\build\darknet\x64\cfg 目录，将 yolov4.cfg 拷贝到项目 Cfg 文件夹

4、进入 darknet\build\darknet\x64\data 目录，将 coco.names 拷贝到项目 Data 文件夹

5、下载 yolov4.weights 权重文件 拷贝到 Weights 文件夹，文件245 MB 【点击下载】

项目文件

YoloWrapper - YOLOv4封装项目

Cfg - 配置文件夹

Data - label文件夹

Dll - YOLOv4 编译后的DLL文件夹

Weights - YOLOv4 权重文件夹

BboxContainer.cs

BoundingBox.cs

YoloWrapper.cs - 封装主文件，调用 YOLOv4 的动态链接库

YoloWrapperConsole - 调用封装DLL控制台程序

Program.cs - 控制台主程序，调用 YOLOv4 封装文件

代码

YOLOv4封装项目

YoloWrapper.cs - 封装主文件，调用 YOLOv4 的动态链接库

using System;

using System.Runtime.InteropServices;

namespace YoloWrapper

{

public class YoloWrapper : IDisposable

{

private const string YoloLibraryName = @"\Dlls\yolo_cpp_dll.dll";

[DllImport(YoloLibraryName, EntryPoint = "init")]

private static extern int InitializeYolo(string configurationFilename, string weightsFilename, int gpu);

[DllImport(YoloLibraryName, EntryPoint = "detect_image")]

private static extern int DetectImage(string filename, ref BboxContainer container);

[DllImport(YoloLibraryName, EntryPoint = "detect_mat")]

private static extern int DetectImage(IntPtr pArray, int nSize, ref BboxContainer container);

[DllImport(YoloLibraryName, EntryPoint = "dispose")]

private static extern int DisposeYolo();

public YoloWrapper(string configurationFilename, string weightsFilename, int gpu)

{

InitializeYolo(configurationFilename, weightsFilename, gpu);

}

public void Dispose()

{

DisposeYolo();

}

public BoundingBox[] Detect(string filename)

{

var container = new BboxContainer();

var count = DetectImage(filename, ref container);

return container.candidates;

}

public BoundingBox[] Detect(byte[] imageData)

{

var container = new BboxContainer();

var size = Marshal.SizeOf(imageData[0]) * imageData.Length;

var pnt = Marshal.AllocHGlobal(size);

try

{

Marshal.Copy(imageData, 0, pnt, imageData.Length);

var count = DetectImage(pnt, imageData.Length, ref container);

if (count == -1)

{

throw new NotSupportedException($"{YoloLibraryName} has no OpenCV support");

}

}

catch (Exception exception)

{

return null;

}

finally

{

Marshal.FreeHGlobal(pnt);

}

return container.candidates;

}

}

}

BboxContainer.cs

using System.Runtime.InteropServices;

namespace YoloWrapper

{

[StructLayout(LayoutKind.Sequential)]

public struct BboxContainer

{

[MarshalAs(UnmanagedType.ByValArray, SizeConst = 1000)]

public BoundingBox[] candidates;

}

}

BoundingBox.cs

using System;

using System.Runtime.InteropServices;

namespace YoloWrapper

{

[StructLayout(LayoutKind.Sequential)]

public struct BoundingBox

{

public UInt32 x, y, w, h;

public float prob;

public UInt32 obj_id;

public UInt32 track_id;

public UInt32 frames_counter;

public float x_3d, y_3d, z_3d;

}

}

调用封装DLL控制台程序

BoundingBox.cs

using ConsoleTables;

using System;

using System.Collections.Generic;

using System.IO;

using System.Linq;

using YoloWrapper;

namespace YoloWrapperConsole

{

class Program

{

private const string configurationFilename = @".\Cfg\yolov4.cfg";

private const string weightsFilename = @".\Weights\yolov4.weights";

private const string namesFile = @".\Data\coco.names";

private static Dictionary _namesDic = new Dictionary();

private static YoloWrapper.YoloWrapper _wrapper;

static void Main(string[] args)

{

Initilize();

Console.Write("ImagePath：");

string imagePath = Console.ReadLine();

var bbox = _wrapper.Detect(imagePath);

Convert(bbox);

Console.ReadKey();

}

private static void Initilize()

{

_wrapper = new YoloWrapper.YoloWrapper(configurationFilename, weightsFilename, 0);

var lines = File.ReadAllLines(namesFile);

for (var i = 0; i < lines.Length; i++)

_namesDic.Add(i, lines[i]);

}

private static void Convert(BoundingBox[] bbox)

{

Console.WriteLine("Result：");

var table = new ConsoleTable("Type", "Confidence", "X", "Y", "Width", "Height");

foreach (var item in bbox.Where(o => o.h > 0 || o.w > 0))

{

var type = _namesDic[(int)item.obj_id];

table.AddRow(type, item.prob, item.x, item.y, item.w, item.h);

}

table.Write(Format.MarkDown);

}

}

}

测试返回结果

Type

Confidence

X

Y

Width

Height

mouse

0.25446844

1206

633

78

30

laptop

0.5488589

907

451

126

148

laptop

0.51734066

688

455

53

37

laptop

0.48207012

980

423

113

99

person

0.58085686

429

293

241

469

bottle

0.22032459

796

481

43

48

bottle

0.24873751

659

491

32

53

cup

0.5715177

868

453

55

70

bottle

0.29916075

1264

459

31

89

cup

0.2782725

685

503

35

40

cup

0.28154427

740

539

78

44

person

0.94347733

81

199

541

880

person

0.9496539

1187

368

233

155

chair

0.22458112

624

442

45

48

person

0.97528315

655

389

86

100

bottle

0.9407686

1331

436

33

107

bottle

0.9561032

1293

434

37

113

chair

0.4784215

1

347

386

730

cup

0.8945817

822

586

112

69

cup

0.6422996

1265

472

31

72

laptop

0.9833646

802

700

639

216

cup

0.9216428

828

521

115

71

chair

0.88087356

1124

416

111

70

diningtable

0.3222557

531

585

951

472

控制台