基于YOLO V3的物体识别总结

一.WIN10下的YOLO环境配置

本文转载自：https://www.cnblogs.com/yuyuan-bb/p/12461979.html

1.无GPU版本(VS2019+Opencv 3.4.5)

1.1安装Visual Studio 2019

在VS2019下要安装适用于桌面的VC++ 2015(2017) v14 00(v14)工具集。

1.2安装Opencv3.4.5

关于在VS下对Opencv的配置可参考：https://blog.csdn.net/mars_xiaolei/article/details/78759041

1.3安装darknet

https://github.com/AlexeyAB/darknet

下载darknet的压缩包，解压并进入\darknet-master\build\darknet，打开如下图所指的项目darknet_no_gpu.sln（无gpu版本）

1.4下载yolov3.weights

https://link.zhihu.com/?target=https%3A//pjreddie.com/media/files/yolov3.weights

下载完后把文件放在x64文件夹下

1.5调试

在VS下点击开始调试，会生成darknet_no_gpu.exe文件（一般是在release）下运行
控制台无报错
进入\darknet-master\build\darknet\x64，并在该路径下打开命令行
输入以下命令即可，可以看到生成的predictions.jpg

1.6 Win10 64位下 darknet YOLO V3配置，视频测试及结果保存

具体可参考：https://blog.csdn.net/c20081052/article/details/86495935
需略加改动代码。

2.带GPU版本 WIN10+Opencv3.4.5+cuda11.1+cudnn8.0.4

具体可参考：https://www.cnblogs.com/yuyuan-bb/p/12461979.html
https://blog.csdn.net/KID_yuan/article/details/88380269

2.1安装cuda和cudnn

下载对应版本，并且配置

2.2安装darknet

同无GPU，在darknet.vcxproj中更改cuda的版本号

2.3调试

打开darknet.sln,（一般是在release下调试）运行后生成darknet.exe

2.4Win10 64位下 darknet YOLO V3配置，视频测试及结果保存

具体可见：https://blog.csdn.net/c20081052/article/details/86495935
需略加改动代码。

如下图：