Ubuntu安装运行YOLOV3 解决opencv报错 No package ‘opencv‘ found

You only look once (YOLO)

本文概述

本文讲述如何在ubuntu20.04(其他版本系统也适用)下编译官方darknet框架下YOLOV3并使用提供的coco数据集的预训练权重检测识别图片。

一些软件依赖

Opencv4 这里会和官方教程有一些出入，2021-2022年的时候ubuntu里安装的多是opecv4，编译darknet YOLO的时候可能因为opencv和opencv4会报错 No package ‘opencv’ found。
CUDA

官方网站和官方英文教程

https://pjreddie.com/darknet/yolo/

下载YOLOV3并直接make编译

新建一个空文件夹，在当前路径下打开命令行，输入下面命令git clone下载，cd进下载的文件夹，编译。

git clone https://github.com/pjreddie/darknet
cd darknet
make

在darknet/makefile 里可以看到默认的make是不用gpu和opencv cudnn的。

GPU=0
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0

下载权重文件，这里我是在/darknet/cfg文件夹路径下下载的，也可以放在不同的路径下，之后指明对应路径就行。权重248MB大小。

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

运行检测,检测对象是自带的darknet/dog.jpg. cfg/yolv3.cfg 是自带的，weights是刚刚下载的248MB。

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

如果weights下载在darknet路径下，可以

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

命令行会输出：

同时darknet文件夹内生成一张图片名叫predictions.jpg

至此，CPU运行YOLOV3成功跑通，识别效果也不错。
但是命令行结果里可以看出，在10700fcpu上花了17s多，比较长，下面开始gpu实现。

编译GPU实现YOLO

要求N卡和cuda

需要cuda和驱动已经安装好。Cudnn可以不需要。

nvidia-smi

编译GPU版YOLOV3

如果之前make过，先在darknet路径下打开命令行，make clean, 很快，几秒完成。

make clean

然后打开 dakenet/makefile,可以用im或者记事本打开，将最前面的几行改为

GPU=1
CUDNN=0
OPENCV=1
OPENMP=0
DEBUG=0

保存后直接make会报错 No package ‘opencv’ found。需要改为opencv4.

No package 'opencv' found
./src/image_opencv.cpp:12:1: error: ‘IplImage’ does not name a type
   12 | IplImage *image_to_ipl(image im)
      | ^~~~~~~~
compilation terminated due to -Wfatal-errors.
make: *** [Makefile:86: obj/image_opencv.o] Error 1

whereis opencv,找不到但是可以找到 whereis opencv4.

(base) xxxx:~/xxxxt/darknet$ whereis opencv
opencv:
(base) xxxx:~/xxxx/darknet$ whereis opencv4
opencv4: /usr/include/opencv4 /usr/share/opencv4

将makefile里的45 46行原本的opencv改为opencv4

ifeq ($(OPENCV), 1) 
COMMON+= -DOPENCV
CFLAGS+= -DOPENCV
LDFLAGS+= `pkg-config --libs opencv4` -lstdc++
COMMON+= `pkg-config --cflags opencv4` 
endif

然饿仍然会有报错：

‵./src/image_opencv.cpp:12:1: error: ‘IplImage’ does not name a type
   12 | IplImage *image_to_ipl(image im)
      | ^~~~~~~~
compilation terminated due to -Wfatal-errors.
make: *** [Makefile:86: obj/image_opencv.o] Error 1

这时候新建一个文本文档叫做patch.diff,将以下内容复制进新建的文档并且git apply diff
ref：https://stackoverflow.com/questions/64885148/error-iplimage-does-not-name-a-type-when-trying-to-build-darknet-with-opencv

diff --git a/src/image_opencv.cpp b/src/image_opencv.cpp
index 7511280..c11805a 100644
--- a/src/image_opencv.cpp
+++ b/src/image_opencv.cpp
@@ -9,30 +9,34 @@ using namespace cv;

 extern "C" {
 
-IplImage *image_to_ipl(image im)
+Mat image_to_mat(image im)
 {
+    assert(im.c == 3 || im.c == 1);
     int x,y,c;
-    IplImage *disp = cvCreateImage(cvSize(im.w,im.h), IPL_DEPTH_8U, im.c);
-    int step = disp->widthStep;
+    image copy = copy_image(im);
+    constrain_image(copy);
+    if(im.c == 3) rgbgr_image(copy);
+    Mat m(im.h, im.w, CV_MAKETYPE(CV_8U, im.c));
     for(y = 0; y < im.h; ++y){
         for(x = 0; x < im.w; ++x){
             for(c= 0; c < im.c; ++c){
-                float val = im.data[c*im.h*im.w + y*im.w + x];
-                disp->imageData[y*step + x*im.c + c] = (unsigned char)(val*255);
+                float val = copy.data[c*im.h*im.w + y*im.w + x];
+                m.data[y*im.w*im.c + x*im.c + c] = (unsigned char)(val*255);
             }
         }
     }
-    return disp;
+    free_image(copy);
+    return m;
 }

-image ipl_to_image(IplImage* src)
+image mat_to_image(Mat m)
 {
-    int h = src->height;
-    int w = src->width;
-    int c = src->nChannels;
+    int h = m.rows;
+    int w = m.cols;
+    int c = m.channels();
     image im = make_image(w, h, c);
-    unsigned char *data = (unsigned char *)src->imageData;
-    int step = src->widthStep;
+    unsigned char *data = (unsigned char*)m.data;
+    int step = m.step;
     int i, j, k;

     for(i = 0; i < h; ++i){
@@ -42,26 +46,6 @@ image ipl_to_image(IplImage* src)
             }
         }
     }
-    return im;
-}
-
-Mat image_to_mat(image im)
-{
-    image copy = copy_image(im);
-    constrain_image(copy);
-    if(im.c == 3) rgbgr_image(copy);
-
-    IplImage *ipl = image_to_ipl(copy);
-    Mat m = cvarrToMat(ipl, true);
-    cvReleaseImage(&ipl);
-    free_image(copy);
-    return m;
-}
-
-image mat_to_image(Mat m)
-{
-    IplImage ipl = m;
-    image im = ipl_to_image(&ipl);
     rgbgr_image(im);
     return im;
 }
@@ -72,9 +56,9 @@ void *open_video_stream(const char *f, int c, int w, int h, int fps)
     if(f) cap = new VideoCapture(f);
     else cap = new VideoCapture(c);
     if(!cap->isOpened()) return 0;
-    if(w) cap->set(CV_CAP_PROP_FRAME_WIDTH, w);
-    if(h) cap->set(CV_CAP_PROP_FRAME_HEIGHT, w);
-    if(fps) cap->set(CV_CAP_PROP_FPS, w);
+    if(w) cap->set(CAP_PROP_FRAME_WIDTH, w);
+    if(h) cap->set(CAP_PROP_FRAME_HEIGHT, w);
+    if(fps) cap->set(CAP_PROP_FPS, w);
     return (void *) cap;
 }

@@ -123,7 +107,7 @@ void make_window(char *name, int w, int h, int fullscreen)
 {
     namedWindow(name, WINDOW_NORMAL); 
     if (fullscreen) {
-        setWindowProperty(name, CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
+        setWindowProperty(name, WND_PROP_FULLSCREEN, WINDOW_FULLSCREEN);
     } else {
         resizeWindow(name, w, h);
         if(strcmp(name, "Demo") == 0) moveWindow(name, 0, 0);

运行

git apply patch.diff
make

编译通过。

gpu运行YOLOV3 detector

下载权重 v3或者v3-tiny

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

运行yolov3.

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

两g显存的我运行yolov3会提示cuda out of memory.
可以换用别的显卡.
或者运行tiny：

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

输出和识别效果：


补充一个用cpu跑tiny耗时如图：

耗时小结

一张dog.jpg耗时，CPU的yolov3是17s，CPU的yolov3-tiny是0.6s，GPU+OPENCV的yolov3-tiny是0.148s.