yolo论文翻译
或https://zhuanlan.zhihu.com/p/35023499
yolo官网
目录
硬件环境
安装教程
安装CUDA和cuDNN
下载darknet
修改darknet.vcxproj
修改darknet.sln
打开darknet.sln
准备
测试
YOLOv3图像目标检测
YOLOv3视频目标检测
YOLOv2视频目标检测
注意：先安装VS，后安装CUDA，本文中的很多东西在实际操作中都会自动生成，省去很大的麻烦，当然啦，如果你愿意尝试，非要先CUDA,后安装VS,那本文也能助你解决这些麻烦，Let’s Go~~~
系统环境
Win10
Visual Studio 2019
CUDA 9.0
cudnn 7.1
OpenCV3.4.1
注：我的电脑系统运行内存是8GB的，如果你的电脑系统配置低于这个，我建议你选择GIVE IT UP
安装教程
一、为电脑安装最新版本的cuda和cudnn
cuda安装地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
cudnn安装地址：https://developer.nvidia.com/cudnn
安装步骤自行参考其他资料
注：在安装CUDA之前，一定要打开自己电脑查看电脑适合安装什么版本的CUDA,我的是9.0，所以就安装了这个版本，然后下载cuDNN,下载这个软件直接进官网，需要注册登录，然后下载与你的CUDA对应版本的cuDNN,下载成功后，直接解压，然后需要将以下bin,include,lib文件复制粘贴到cuda的文件夹下，像我的安装是CUDA9.0,就粘贴到这个文件夹下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
添加到path环境变量（为保证一次安装正确，笔者进行了配置，不清楚此步骤是否可以省略，愿意尝试的同学可以试试）
计算机-属性-高级系统设置-环境变量。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp;
然后打开终端，使用如下命令查看是否安装成功：nvcc -V
这样，就说明安装成功了。
注：如果不能出现这个界面，请参考https://blog.csdn.net/hankel12/article/details/87902055
注意：*如果你之前在别的地方已经弄到了darknet.exe文件，那么你就直接打开系统的环境变量，在path那里添加一个D:\opencv\build\x64\vc14\bin，然后直接跳到后面的准备阶段。*如果没有这个文件，那就继续后面的操作慢慢来吧
将…\opencv\build\x64\vc14\bin下的opencv_world320.dll 和opencv_ffmpeg320_64.dll 复制到 \darknet-master\build\darknet\x64 目录下（一般每次重做电脑系统后，都是改这里，呜呜呜~~~）
步骤四：
将将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\visual_studio_integration\MSBuildExtensions 下的四个文件复制
粘贴到下面这个文件夹里面C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations
二、下载darknet
下载windows版yolov3源码：https://github.com/AlexeyAB/darknet
如果你已经安装了git,你可以直接打开cmd命令提示符，输入下述命令，下载AlexeyAB/darknet
git clone https://github.com/AlexeyAB/darknet
修改darknet.vcxproj
用记事本打开 darknet\build\darknet\darknet.vcxproj,修改CUDA 后面的版本，原来写的是10.0，改成自己的版本就可以，
如果要使用GPU的话，用VS打开同目录下的darknet.sln，修改如下：
注意，这里要选择“无升级”，这里说一下，如果直接生成会出现报错，所以当时我由于老是出现问题，最后没办法就打开visual studio installer，选择修改，选择单个组件，然后选中vs2015,就是下图中最后一个，然后安装。
安装完成之后，再重新打开之前的darknet.sln文件，将上面的运行环境设置为release和x64,接下来一共几个关键步骤：
1：注意Windows SDK版本，平台工具集选择自己的VisualStudio2015,如下
VC++目录 – 包含目录：
…\opencv\build\include
…\opencv\build\include\opencv
…\opencv\build\include\opencv2，
VC++目录 – 库目录：
…\opencv\build\x64\vc14\lib，
链接器 – 输入 – 附加依赖项：
opencv_world320.lib
记得删除
如果CUDA不是10.0版本的话，要把compute_75,sm_75移除掉。那就试试吧。
再次打开属性->配置属性->CUDA C/C++ ->Device->Code Generation，删掉compute_75,sm_75,只保留一个compute_30,sm_30,如下所示：
至此，常规的准备工作已经做完，然后选择生成，正常情况下，程序会正常运行，最后生成darknet.exe文件，这就是我们做这些工作所要得到的文件。
准备
下载yolov3.weights
链接1（官网）：https://pjreddie.com/media/files/yolov3.weights（推荐）
链接2（百度云）：链接：https://pan.baidu.com/s/1OsuaURd2jjA9_fX50w651g 密码：chmq
下载好的文件就是yolov3.weights,然后在x64文件夹下建立一个名为weights的文件夹，将下载的文件放在这个文件夹下面
测试
打开D:\software\git\Git\darknet\build\darknet\x64这个文件夹，如下
在选中部分后面直接输入cmd指令，即可进入这个文件夹下面的终端。
检测图片效果：
执行命令（一句话）：
即利用darknet.exe执行检测效果，加载权重之后，对.\data\文件夹下的dog.jpg进行检测，在刚才打开的终端出输入以下命令：darknet.exe detector test data\coco.data yolov3.cfg .\weights\yolov3.weights .\data\girl.jpg
正常情况下，就大功告成了~~~
出现以下画面
注：上面两张图片是我自己随意添加的，你们也可以随意添加自己想要的照片。
那就重新cmd,然后输入darknet.exe detector test data\coco.data yolov3.cfg .\weights\yolov3.weights,然后enter，会出现路径选择，在后面直接输入你要的照片路径即可。
YOLOv3视频目标检测
接下来，介绍一下使用网络摄像头来检测的命令
检测摄像头命令：
也是在darknet.exe所在文件下执行
darknet.exe detector demo data\coco.data yolov3.cfg weights\yolov3.weights
或者指定摄像头设备号0：
darknet.exe detector demo data\coco.data cfg\yolov3.cfg weights\yolov3.weights -c 0
注意：检测前注意查看设备管理器自己的电脑摄像头是否正常工作，然后即可看到检测到自己电脑摄像头的检测效果。
YOLOv2视频目标检测
.\darknet.exe detector demo cfg\coco.data cfg\yolov2.cfg weights\yolov2.weights
检测视频文件：
我在data文件下放了一个视频文件即：.\data\TownCentre.avi
执行命令：
darknet.exe detector demo data\coco.data yolov3.cfg .\weights\yolov3.weights .\data\TownCentre.avi
通常需要YOLO保存检测后的视频文件时可以用下面命令：
即增加了置信阈值选项0.25，和输出视频文件路径与名称
1.darknet.exe detector demo data\coco.data yolov3.cfg .\weights\yolov3.weights .\data\TownCentre.avi
2.thresh 0.25 -out_filename .\data\test_result.avi
总结一下windows下配置好的YOLOv3的调用指令
这是测试图片文件的
darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 dog.jpg
这是测试视频文件的
darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.mp4
也可以把darknet.exe加入至环境变量的，相应的命令变成：
图片版：
darknet detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 dog.jpg
视频版：
darknet detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.mp4
写到这里，如果你的画面已经出现，那么这篇博客算是结束了，如果还出现了其他问题，请继续~~~
可能出现的问题：
1.在你打算生成darknet.exe文件时，也就是在删除compute_75,sm_75时，发现CUDA C/C++这个选项不见了，此时真的会有点生气，这时可以参考http://www.zrway.com/news/6617.html
这个链接会帮你重现CUDA C/C++这个选项
2.生成darknet.exe文件之后，本来以为战斗即将结束了，就在输入指令，检查图片效果时，终端出现了如下画面：
对于这个问题，我找过相关博客，甚至换了cuDNN版本，但最后还是没有解决问题，哈哈哈，欲哭无泪~~~
最后没办法，我就干脆试了试不用CUDA-cuDNN的方法，也就是不用GPU的方法，当然，我不建议你使用这种方法，而是直接换台高配电脑，重新试，因为好的工具真的很重要！！！
**如果你执意要用这方法试试，就继续看下文。
也可以直接参考：**https://blog.csdn.net/baidu_36669549/article/details/79798587
不用GPU操作的步骤少点，选择darknet_no_gpu.sln文件，做与之前同样的操作，因为不用GPU，所以darknet_no_gpu.vcxproj这个文件夹里面相关的CUDA 10.0就不用改了，然后继续生成文件名为darknet_no_gpu.exe,这时应该将之前生成的darknet.exe文件删了，将darknet_no_gpu.exe文件名改为darknet.exe,这样接着执行之前的步骤，就可以呈现所要的图片检测了，而我上面的图像检测就是通过这样得到的，但是不使用GPU,视频的检测会很慢，效果不好。
因为我的那台新的高配电脑在学校，而我现在在公司实习，带的是旧电脑，所以只能这样，打算实习结束后,回学校再用那台电脑重新操作。
总结：工欲善其事，必先利其器，说白了，一台好的电脑真的很重要，哈哈哈~~~
参考博客：https://blog.csdn.net/KID_yuan/article/details/88380269
https://blog.csdn.net/qq_41433316/article/details/98354269
