YOLO3+VS2019环境搭建（无GPU）

环境搭建

vs2019和vs2015在一些细节有不少的不同的，大部分教程都是vs2015的，这里我在整理了许多vs2015、vs2017的教程，再自己摸索后，写了一篇教程。

下载所需文件

下载配置环境所需要的相关的文件。由于该教程为无GPU版本的yolo3环境搭建，所以在所需下载文件及配置会方便很多，不需要下载CUDA和cuDNN

下载darknet

darknet为yolo3的源码。下载地址：darknet下载地址。下载之后解压到自己熟悉的位置

下载OpenCV

OpenCV需要选择3.4.0及其以前的版本。根据yolo3作者的话，使用3.4.0之后的版本会出现bug（虽然我好像看见过4.4.0版本也成功了的博客?!） 不过我们这里还是选择3.4.0的版本

下载地址：OpenCV 3.4.0 Windows下载地址 下载之后自定义安装到自己熟悉的位置。我安装的位置是 D:\openCV。注意他会自动再新建一个opencv的文件夹，如图所示

下载权重文件

该文件是作者自己已经训练的权重文件，我们先用这个文件，之后自己再重新根据数据训练我们自己的文件。

下载地址： 权重文件下载地址。

配置

前期该下载的下载完毕之后就开始正式配置了。

修改OpenCV的环境变量

修改环境变量的步骤如下（文字教程下面有图片教程）

1. 打开资源管理器
2. 右键此电脑，点击属性
3. 选择左边的高级系统设置
4. 选择上方的高级，再点击环境变量
5. 在用户变量处点击新建
6. 复制 xxx\opencv\build\include\opencv 和 xxx\opencv\build\include\opencv2 分别新建两个变量即可。xxx为你opencv前面的路径
7. 点击最下方的确定保存！

图片教程：
1.

---

2.

---

3.

---

4.

---

5.

---

6.

配置vs2019

1. 进入之前解压的darknet文件夹，找到darknet_no_gpu.sln，文件位置为xxx\darknet-master\darknet-master\build\darknet\darknet_no_gpu.sln。
   用vs2019打开darknet_no_gpu.sln。打开之后，如图选择无升级！否则可能会出现bug
   

---

2. 之后右键文件，选择最下面的属性。

---

3. 调整一下上面的配置
   

---

4. 配置属性 --> VC++目录 --> 包含目录 --> 编辑
   

---

5. 添加包含目录
   

---

6. 选择你opencv的目录 xxx\opencv\build\include\opencv
   

---

7. 之后再添加xxx\opencv\build\include\opencv2 和 xxx\opencv\build\include
   

---

8. 再在下面的库目录添加xxx\opencv\build\x64\lib

---

9. 再在下面的链接器添加
   

---

10. 一定要点最后的确定，然后再更改项目
    

---

11. 将xxx\opencv\build\x64\vc14\bin下opencv_world340.dll 和xxx\opencv\build\bin\opencv_ffmpeg340_64.dll
    复制到 xxx\darknet-master\build\darknet\x64 目录下
    
    

---

12. 打开vs2019，右键并选择重新生成
    

---

13. 生成成功之后可以看到如下几个字
    

---

14. 在xxx\build\darknet\x64的位置新建一个文件夹weights，移动在之前我们已经下载好的权重文件yolov3.weights到该文件夹处。
    

---

测试效果

1. 在xxx\x64位置，空白处 shfit+右键，选择在此处打开Poweshell窗口

---

2. 复制一下并输入到Powellshell窗口中

./darknet_no_gpu.exe detect yolov3.cfg weights\yolov3.weights data\dog.jpg

该代码是识别了xxx\x64\data中的一张图片dog，data中还有很多张其他图片供测试（如person.jpg，horses.jpg），也可以将自己下载的图片保存到data目录下，将代码最后的dog.jpg更换即可。

---

3. 通过笔记本的摄像头得到的视频实时识别代码

./darknet_no_gpu.exe detector demo data\coco.data yolov3.cfg weights\yolov3.weights

通过以上代码可以实现摄像头的实时识别，但是不太推荐。因为CPU版本识别速度太慢了，在本机CPU（Intel i7-8750H）测试出来的平均帧数过于感人（捂脸）

从Powershell看出来，平均帧数甚至不到一帧，也就图一乐的地步了（手动狗头

对比GPU的版本，即使是笔记本1050Ti的显卡，平均帧数也要好出不少

---

（使用cmd测试也可，把最前面的 ./darknet_no_gpu.exe 去掉 ./ 即可

结束!