第三十八节、windows下yolo v4运行环境搭建
yolo v4源码是开源的，在github上可以下载，并且有很详细的使用说明，本文只是针对windows下环境的安装进行介绍。
一、环境搭建
本节将进行windows下环境的搭建，我们将需要安装下面各个软件，并且需要注意安装的软件是有版本要求的：
Requirements for Windows, Linux and macOS CMake >= 3.18: https://cmake.org/download/ Powershell (already installed on windows): https://docs.microsoft.com/en-us/powershell/scripting/install/installing-powershell CUDA >= 10.2: https://developer.nvidia.com/cuda-toolkit-archive (on Linux do Post-installation Actions) OpenCV >= 2.4: use your preferred package manager (brew, apt), build from source using vcpkg or download from OpenCV official site (on Windows set system variable OpenCV_DIR = C:\opencv\build - where are the include and x64 folders image) cuDNN >= 8.0.2 https://developer.nvidia.com/rdp/cudnn-archive (on Linux follow steps described here https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux-tar , on Windows follow steps described here https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows) GPU with CC >= 3.0: https://en.wikipedia.org/wiki/CUDA#GPUs_supported
Visual Studio 2017 or 2019
1.1 安装opencv
官网下载地址：https://opencv.org/releases/，下载速度较慢。
国内镜像：https://www.raoyunsoft.com/opencv/
这里我直接下载最新的版本：opencv-4.5.5-vc14_vc15.exe。
下载完成之后，双击直接解压，这里我解压到E:\Program Files路径下：
安装完成后，我们打开E:\Program Files\opencv：
然后我们配置环境变量，【此电脑】->【属性】->【高级系统设置】->【环境变量】：
在系统变量中添加以下数据：
OpenCV_DIR E:\Program Files\opencv\build
再进入系统变量里的Path，添加如下数据：
E:\Program Files\opencv\build\x64\vc15\lib
E:\Program Files\opencv\build\x64\vc15\bin
1.2 安装Visual Studio
官网下载地址：https://visualstudio.microsoft.com/zh-hans/downloads/
安装的组件只需要“使用C++的桌面开发”，如果之前没有安装过，下载社区版本安装即可，这里我们选择Visual Studio 2017或者2019。
由于我之前已经安装了Visual Studio 2019所以就不重复安装了。
1.3 安装cuda
如果你使用的是NVIDIA显卡，cuda安装步骤参考windows和ubuntu下深度学习theano环境搭建 。
NVIDIA驱动版本与CUDA版本对应关系https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html。
1.4 安装cuDNN
如果你使用的是NVIDIA显卡，cuDNN安装步骤参考windows和ubuntu下深度学习theano环境搭建 。
官方安装指导手册:https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html.
1.5 安装cmake
cmake官方下载地址：https://cmake.org/download/，下载速度比较慢；
国内下载镜像：https://cmake.org/files/。
要求cmake>= 3.18，这里我下载cmake-3.23.0-rc4-windows-x86_64.msi。双击直接安装，这里我安装到E:\Program Files\CMake。
下载完成后安装得到以下文件：
进入bin文件夹，这个cmake-gui就是我们要用程序：
二、源码下载
2.1 git下载源码
git是代码版本管理工具，由于yolo v4源码是放在github仓库中的，我们需要从git上下载源码，下载方式有两种：
- 通过git 直接下载代码；
- 到github上手动下载源码；
如果使用git下载，我们需要安装git工具：https://www.git-scm.com/download/。
安装成功后，假设我想将源码下载到路径：G:\人工智能\深度学习\36.目标检测\官方库，进入该路径下，右键：
输入如下命令，开始下载源码：
git clone https://github.com/AlexeyAB/darknet.git
下载完成后，可以在当前路径看到：
2.2 环境变量配置
在系统变量Path中加入下载的darknet的位置：
G:\人工智能\深度学习\36.目标检测\官方库\darknet\build\darknet\x64
2.3 下载权重文件yolov4.weights
链接：https://pan.baidu.com/s/1koPg1amOlqIw5bLwv4Id_Q
提取码：1234
将下载后的yolov4.weights文件放在darknet文件夹下：
将下载后的yolov4.cfg文件放在darknet/cfg文件夹下。
三、编译程序
3.1 使用cmake配置源码
由于cmake不支持中文路径，因此我将下载的yolo v4源码剪切到G盘根路径下。同时记得修改系统环境变量。
打开CMake，配置：
- 源代码路径：G:/darknet；
- 构建目标文件路径：G:/darknet；
点击左下角Configure,然后第一项选择我们安装的 Visual Studio 2019，第二项平台选择x64：
3.2 关闭CUDA
如果没有GPU，第一次编译的时候会出现如下错误：
cuda找不到，只好取消勾选不用GPU：
再次点击Configure，配置成功，会输出如下信息：
Darknet_VERSION: 0.2.5.4 vcpkg not found, toolchain not defined, using integrated libs on win32 Selecting Windows SDK version 10.0.19041.0 to target Windows 10.0.18363. Looking for pthread.h Looking for pthread.h - not found Found Threads: TRUE Found PThreads4W: G:/darknet/3rdparty/pthreads/lib/pthreadVC2.lib PThreads4W_DLL_DIR: G:/darknet/3rdparty/pthreads/include/../bin PThreads4W_DEBUG_DLL_DIR: G:/darknet/3rdparty/pthreads/include/../debug/bin OpenCV ARCH: x64 OpenCV RUNTIME: vc15 OpenCV STATIC: OFF Found OpenCV: E:/Program Files/opencv/build (found version "4.5.5") Found OpenCV 4.5.5 in E:/Program Files/opencv/build/x64/vc15/lib You might need to add E:\Program Files\opencv\build\x64\vc15\bin to your PATH to be able to run your applications. Found Stb: G:/darknet/3rdparty/stb/include Found OpenMP_C: -openmp (found version "2.0") Found OpenMP_CXX: -openmp (found version "2.0") Found OpenMP: TRUE (found version "2.0") ZED SDK not enabled, since it requires CUDA Configuring done
需要注意的是如果没有GPU的话，图片可以识别分类没问题，但是视频识别没有用GPU就特别慢，像播放幻灯片一样。
3.3 编译代码
点击生成和打开项目：
之后会自动打开vs，选择x64和Release，点击生成，这时生成文件即可：
将会输出如下编译信息：
已启动生成… 1>------ 已启动生成: 项目: ZERO_CHECK, 配置: Debug x64 ------ 1>Checking Build System 2>------ 已启动生成: 项目: dark, 配置: Debug x64 ------ 3>------ 已启动生成: 项目: darknet, 配置: Debug x64 ------ 2>Building Custom Rule G:/darknet/CMakeLists.txt 2>用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30037 版 2>版权所有(C) Microsoft Corporation。保留所有权利。 2>cl /c /IG:\darknet\include /IG:\darknet\src /IG:\darknet\3rdparty\stb\include /I"E:\Program Files\opencv\build\include" /IG:\darknet\3rdparty\pthreads\include /Zi /W1 /WX- /diagnostics:column /Od /Ob0 /D _WINDLL /D _MBCS /D WIN32 /D _WINDOWS /D LIB_EXPORTS=1 /D USE_CMAKE_LIBS /D OPENCV /D _CRT_RAND_S /D NOMINMAX /D _USE_MATH_DEFINES /D _CRT_SECURE_NO_WARNINGS /D _TIMESPEC_DEFINED /D "CMAKE_INTDIR=\"Debug\"" /D dark_EXPORTS /Gm- /EHsc /RTC1 /MDd /GS /fp:fast /Zc:wchar_t /Zc:forScope /Zc:inline /GR /openmp /Fo"dark.dir\Debug\\" /Fd"dark.dir\Debug\vc142.pdb" /external:env:EXTERNAL_INCLUDE /external:W1 /Gd /TP /wd4013 /wd4018 /wd4028 /wd4047 /wd4068 /wd4090 /wd4101 /wd4113 /wd4133 /wd4190 /wd4244 /wd4267 /wd4305 /wd4477 /wd4996 /wd4819 /errorReport:prompt G:\darknet\src\yolo_v2_class.cpp G:\darknet\src\http_stream.cpp G:\darknet\src\image_opencv.cpp 2>yolo_v2_class.cpp 3>Building Custom Rule G:/darknet/CMakeLists.txt 3>用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30037 版 3>版权所有(C) Microsoft Corporation。保留所有权利。 3>cl /c /IG:\darknet\include /IG:\darknet\src /IG:\darknet\3rdparty\stb\include /I"E:\Program Files\opencv\build\include" /IG:\darknet\3rdparty\pthreads\include /Zi /W1 /WX- /diagnostics:column /Od /Ob0 /D _MBCS /D WIN32 /D _WINDOWS /D USE_CMAKE_LIBS /D OPENCV /D _CRT_RAND_S /D NOMINMAX /D _USE_MATH_DEFINES /D _TIMESPEC_DEFINED /D "CMAKE_INTDIR=\"Debug\"" /Gm- /EHsc /RTC1 /MDd /GS /fp:fast /Zc:wchar_t /Zc:forScope /Zc:inline /GR /openmp /Fo"darknet.dir\Debug\\" /Fd"darknet.dir\Debug\vc142.pdb" /external:env:EXTERNAL_INCLUDE /external:W1 /Gd /TC /wd4013 /wd4018 /wd4028 /wd4047 /wd4068 /wd4090 /wd4101 /wd4113 /wd4133 /wd4190 /wd4244 /wd4267 /wd4305 /wd4477 /wd4996 /wd4819 /errorReport:prompt G:\darknet\src\darknet.c G:\darknet\src\activation_layer.c G:\darknet\src\activations.c G:\darknet\src\art.c G:\darknet\src\avgpool_layer.c G:\darknet\src\batchnorm_layer.c G:\darknet\src\blas.c G:\darknet\src\box.c G:\darknet\src\captcha.c G:\darknet\src\cifar.c G:\darknet\src\classifier.c G:\darknet\src\coco.c G:\darknet\src\col2im.c G:\darknet\src\compare.c G:\darknet\src\connected_layer.c G:\darknet\src\conv_lstm_layer.c G:\darknet\src\convolutional_layer.c G:\darknet\src\cost_layer.c G:\darknet\src\cpu_gemm.c G:\darknet\src\crnn_layer.c G:\darknet\src\crop_layer.c G:\darknet\src\dark_cuda.c G:\darknet\src\data.c G:\darknet\src\deconvolutional_layer.c G:\darknet\src\demo.c G:\darknet\src\detection_layer.c G:\darknet\src\detector.c G:\darknet\src\dice.c G:\darknet\src\dropout_layer.c G:\darknet\src\gaussian_yolo_layer.c G:\darknet\src\gemm.c G:\darknet\src\getopt.c G:\darknet\src\gettimeofday.c G:\darknet\src\go.c G:\darknet\src\gru_layer.c G:\darknet\src\im2col.c G:\darknet\src\image.c G:\darknet\src\layer.c G:\darknet\src\list.c G:\darknet\src\local_layer.c G:\darknet\src\lstm_layer.c G:\darknet\src\matrix.c G:\darknet\src\maxpool_layer.c G:\darknet\src\network.c G:\darknet\src\nightmare.c G:\darknet\src\normalization_layer.c G:\darknet\src\option_list.c G:\darknet\src\parser.c G:\darknet\src\region_layer.c G:\darknet\src\reorg_layer.c G:\darknet\src\reorg_old_layer.c G:\darknet\src\representation_layer.c G:\darknet\src\rnn.c G:\darknet\src\rnn_layer.c G:\darknet\src\rnn_vid.c G:\darknet\src\route_layer.c G:\darknet\src\sam_layer.c G:\darknet\src\scale_channels_layer.c G:\darknet\src\shortcut_layer.c G:\darknet\src\softmax_layer.c G:\darknet\src\super.c G:\darknet\src\swag.c G:\darknet\src\tag.c G:\darknet\src\tree.c G:\darknet\src\upsample_layer.c G:\darknet\src\utils.c G:\darknet\src\voxel.c G:\darknet\src\writing.c G:\darknet\src\yolo.c G:\darknet\src\yolo_layer.c 3>darknet.c 3>activation_layer.c 3>activations.c 3>art.c 3>avgpool_layer.c 2>http_stream.cpp 3>batchnorm_layer.c 3>blas.c 3>box.c 3>captcha.c 3>cifar.c 3>classifier.c 3>coco.c 3>col2im.c 3>compare.c 3>connected_layer.c 3>conv_lstm_layer.c 3>convolutional_layer.c 3>cost_layer.c 3>cpu_gemm.c 3>crnn_layer.c 3>正在生成代码... 3>正在编译... 3>crop_layer.c 3>dark_cuda.c 3>data.c 3>deconvolutional_layer.c 3>demo.c 3>detection_layer.c 3>detector.c 3>dice.c 3>dropout_layer.c 3>gaussian_yolo_layer.c 3>gemm.c 3>getopt.c 3>gettimeofday.c 3>go.c 3>gru_layer.c 3>im2col.c 3>image.c 3>layer.c 3>list.c 3>local_layer.c 3>正在生成代码... 3>正在编译... 3>lstm_layer.c 3>matrix.c 3>maxpool_layer.c 3>network.c 3>nightmare.c 3>normalization_layer.c 2>image_opencv.cpp 3>option_list.c 3>parser.c 3>region_layer.c 3>reorg_layer.c 3>reorg_old_layer.c 3>representation_layer.c 3>rnn.c 3>rnn_layer.c 3>rnn_vid.c 3>route_layer.c 3>sam_layer.c 3>scale_channels_layer.c 3>shortcut_layer.c 3>softmax_layer.c 3>正在生成代码... 3>正在编译... 3>super.c 3>swag.c 3>tag.c 3>tree.c 3>upsample_layer.c 3>utils.c 3>voxel.c 3>writing.c 3>yolo.c 3>yolo_layer.c 2>正在生成代码... 3>正在生成代码... 3>用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30037 版 3>版权所有(C) Microsoft Corporation。保留所有权利。 3>cl /c /IG:\darknet\include /IG:\darknet\src /IG:\darknet\3rdparty\stb\include /I"E:\Program Files\opencv\build\include" /IG:\darknet\3rdparty\pthreads\include /Zi /W1 /WX- /diagnostics:column /Od /Ob0 /D _MBCS /D WIN32 /D _WINDOWS /D USE_CMAKE_LIBS /D OPENCV /D _CRT_RAND_S /D NOMINMAX /D _USE_MATH_DEFINES /D _TIMESPEC_DEFINED /D "CMAKE_INTDIR=\"Debug\"" /Gm- /EHsc /RTC1 /MDd /GS /fp:fast /Zc:wchar_t /Zc:forScope /Zc:inline /GR /openmp /Fo"darknet.dir\Debug\\" /Fd"darknet.dir\Debug\vc142.pdb" /external:env:EXTERNAL_INCLUDE /external:W1 /Gd /TP /wd4013 /wd4018 /wd4028 /wd4047 /wd4068 /wd4090 /wd4101 /wd4113 /wd4133 /wd4190 /wd4244 /wd4267 /wd4305 /wd4477 /wd4996 /wd4819 /errorReport:prompt G:\darknet\src\http_stream.cpp G:\darknet\src\image_opencv.cpp 3>http_stream.cpp 2>用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30037 版 2>版权所有(C) Microsoft Corporation。保留所有权利。 2>cl /c /IG:\darknet\include /IG:\darknet\src /IG:\darknet\3rdparty\stb\include /I"E:\Program Files\opencv\build\include" /IG:\darknet\3rdparty\pthreads\include /Zi /W1 /WX- /diagnostics:column /Od /Ob0 /D _WINDLL /D _MBCS /D WIN32 /D _WINDOWS /D LIB_EXPORTS=1 /D USE_CMAKE_LIBS /D OPENCV /D _CRT_RAND_S /D NOMINMAX /D _USE_MATH_DEFINES /D _CRT_SECURE_NO_WARNINGS /D _TIMESPEC_DEFINED /D "CMAKE_INTDIR=\"Debug\"" /D dark_EXPORTS /Gm- /EHsc /RTC1 /MDd /GS /fp:fast /Zc:wchar_t /Zc:forScope /Zc:inline /GR /openmp /Fo"dark.dir\Debug\\" /Fd"dark.dir\Debug\vc142.pdb" /external:env:EXTERNAL_INCLUDE /external:W1 /Gd /TC /wd4013 /wd4018 /wd4028 /wd4047 /wd4068 /wd4090 /wd4101 /wd4113 /wd4133 /wd4190 /wd4244 /wd4267 /wd4305 /wd4477 /wd4996 /wd4819 /errorReport:prompt G:\darknet\src\activation_layer.c G:\darknet\src\activations.c G:\darknet\src\art.c G:\darknet\src\avgpool_layer.c G:\darknet\src\batchnorm_layer.c G:\darknet\src\blas.c G:\darknet\src\box.c G:\darknet\src\captcha.c G:\darknet\src\cifar.c G:\darknet\src\classifier.c G:\darknet\src\coco.c G:\darknet\src\col2im.c G:\darknet\src\compare.c G:\darknet\src\connected_layer.c G:\darknet\src\conv_lstm_layer.c G:\darknet\src\convolutional_layer.c G:\darknet\src\cost_layer.c G:\darknet\src\cpu_gemm.c G:\darknet\src\crnn_layer.c G:\darknet\src\crop_layer.c G:\darknet\src\dark_cuda.c G:\darknet\src\data.c G:\darknet\src\deconvolutional_layer.c G:\darknet\src\demo.c G:\darknet\src\detection_layer.c G:\darknet\src\detector.c G:\darknet\src\dice.c G:\darknet\src\dropout_layer.c G:\darknet\src\gaussian_yolo_layer.c G:\darknet\src\gemm.c G:\darknet\src\getopt.c G:\darknet\src\gettimeofday.c G:\darknet\src\go.c G:\darknet\src\gru_layer.c G:\darknet\src\im2col.c G:\darknet\src\image.c G:\darknet\src\layer.c G:\darknet\src\list.c G:\darknet\src\local_layer.c G:\darknet\src\lstm_layer.c G:\darknet\src\matrix.c G:\darknet\src\maxpool_layer.c G:\darknet\src\network.c G:\darknet\src\nightmare.c G:\darknet\src\normalization_layer.c G:\darknet\src\option_list.c G:\darknet\src\parser.c G:\darknet\src\region_layer.c G:\darknet\src\reorg_layer.c G:\darknet\src\reorg_old_layer.c G:\darknet\src\representation_layer.c G:\darknet\src\rnn.c G:\darknet\src\rnn_layer.c G:\darknet\src\rnn_vid.c G:\darknet\src\route_layer.c G:\darknet\src\sam_layer.c G:\darknet\src\scale_channels_layer.c G:\darknet\src\shortcut_layer.c G:\darknet\src\softmax_layer.c G:\darknet\src\super.c G:\darknet\src\swag.c G:\darknet\src\tag.c G:\darknet\src\tree.c G:\darknet\src\upsample_layer.c G:\darknet\src\utils.c G:\darknet\src\voxel.c G:\darknet\src\writing.c G:\darknet\src\yolo.c G:\darknet\src\yolo_layer.c 2>activation_layer.c 2>activations.c 2>art.c 2>avgpool_layer.c 2>batchnorm_layer.c 2>blas.c 2>box.c 2>captcha.c 2>cifar.c 2>classifier.c 2>coco.c 2>col2im.c 2>compare.c 2>connected_layer.c 2>conv_lstm_layer.c 2>convolutional_layer.c 2>cost_layer.c 2>cpu_gemm.c 2>crnn_layer.c 2>crop_layer.c 2>正在生成代码... 2>正在编译... 2>dark_cuda.c 2>data.c 2>deconvolutional_layer.c 2>demo.c 2>detection_layer.c 2>detector.c 2>dice.c 2>dropout_layer.c 2>gaussian_yolo_layer.c 2>gemm.c 2>getopt.c 2>gettimeofday.c 2>go.c 2>gru_layer.c 2>im2col.c 2>image.c 2>layer.c 3>image_opencv.cpp 2>list.c 2>local_layer.c 2>lstm_layer.c 2>正在生成代码... 2>正在编译... 2>matrix.c 2>maxpool_layer.c 2>network.c 2>nightmare.c 2>normalization_layer.c 2>option_list.c 2>parser.c 2>region_layer.c 2>reorg_layer.c 2>reorg_old_layer.c 2>representation_layer.c 2>rnn.c 2>rnn_layer.c 2>rnn_vid.c 2>route_layer.c 2>sam_layer.c 2>scale_channels_layer.c 2>shortcut_layer.c 2>softmax_layer.c 2>super.c 2>正在生成代码... 2>正在编译... 2>swag.c 3>正在生成代码... 2>tag.c 2>tree.c 2>upsample_layer.c 2>utils.c 2>voxel.c 2>writing.c 2>yolo.c 2>yolo_layer.c 2>正在生成代码... 3>darknet.vcxproj -> G:\darknet\Debug\darknet.exe 2> 正在创建库 G:/darknet/Debug/darknetd.lib 和对象 G:/darknet/Debug/darknetd.exp 2>dark.vcxproj -> G:\darknet\Debug\darknetd.dll 4>------ 已启动生成: 项目: uselib, 配置: Debug x64 ------ 4>Building Custom Rule G:/darknet/CMakeLists.txt 4>用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30037 版 4>版权所有(C) Microsoft Corporation。保留所有权利。 4>cl /c /IG:\darknet\include /IG:\darknet\src /IG:\darknet\3rdparty\stb\include /I"E:\Program Files\opencv\build\include" /IG:\darknet\3rdparty\pthreads\include /Zi /W1 /WX- /diagnostics:column /Od /Ob0 /D _MBCS /D WIN32 /D _WINDOWS /D USE_CMAKE_LIBS /D _CRT_RAND_S /D NOMINMAX /D _USE_MATH_DEFINES /D OPENCV /D _CRT_SECURE_NO_WARNINGS /D "CMAKE_INTDIR=\"Debug\"" /Gm- /EHsc /RTC1 /MDd /GS /fp:fast /Zc:wchar_t /Zc:forScope /Zc:inline /GR /openmp /Fo"uselib.dir\Debug\\" /Fd"uselib.dir\Debug\vc142.pdb" /external:env:EXTERNAL_INCLUDE /external:W1 /Gd /TP /wd4013 /wd4018 /wd4028 /wd4047 /wd4068 /wd4090 /wd4101 /wd4113 /wd4133 /wd4190 /wd4244 /wd4267 /wd4305 /wd4477 /wd4996 /wd4819 /errorReport:prompt G:\darknet\src\yolo_console_dll.cpp 4>yolo_console_dll.cpp 4>uselib.vcxproj -> G:\darknet\Debug\uselib.exe 5>------ 已启动生成: 项目: ALL_BUILD, 配置: Debug x64 ------ 5>Building Custom Rule G:/darknet/CMakeLists.txt 6>------ 已启动生成: 项目: INSTALL, 配置: Debug x64 ------ 6>-- Install configuration: "Debug" 6>-- Installing: G:/darknet/darknetd.lib 6>-- Installing: G:/darknet/darknetd.dll 6>-- Installing: G:/darknet/include/darknet/darknet.h 6>-- Installing: G:/darknet/include/darknet/yolo_v2_class.hpp 6>-- Installing: G:/darknet/uselib.exe 6>-- Installing: G:/darknet/darknet.exe 6>-- Installing: G:/darknet/share/darknet/DarknetTargets.cmake 6>-- Installing: G:/darknet/share/darknet/DarknetTargets-debug.cmake 6>-- Installing: G:/darknet/share/darknet/DarknetConfig.cmake 6>-- Installing: G:/darknet/share/darknet/DarknetConfigVersion.cmake ========== 生成: 成功 6 个，失败 0 个，最新 0 个，跳过 0 个 ==========
这时我们的目录下会出现这个文件：
四、运行程序
4.1 识别图片
在G:\darknet\data路径下有一个dog.jpg文件：
在G:\darknet路径下，打开cmd控制台运行如下命令：
./darknet.exe detect cfg\yolov4.cfg yolov4.weights data\dog.jpg
输出如下：
4.2 摄像头识别
打开电脑摄像头识别监控画面（需要提前开启摄像头权限）：
./darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights
如果没有使用GPU的话，这里识别会分非常卡顿。
4.3 视频识别
识别视频(视频放到data目录下)：
./darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights .\data\xxx.mp4
五、训练VOC 2012数据集
5.1 数据集下载
这里以下载Pascal VOC 2012数据集为例，VOC 2012是VOC2007数据集的升级版，每张图片都有标注，标注的物体包括人、动物(如猫、狗、鸟等)、交通工具(如车、船飞机等)、家具(如椅子、桌子、沙发等)在内的20个类别。
首先下载数据集，下载地址为：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar。
下载完成后，加压到G:/darknet下，得到一个解压后，得到一个VOCdevkit文件夹：
JPEGImages文件夹中包含了PASCAL VOC提供的所有的就jpg图片，共计17125张，包括了训练和测试图片。
这些图像都以“年份_编号.jpg”格式命名。
图片的像素尺寸大小不一，但是横向图的尺寸大约在500*375左右，纵向图的尺寸大约在375*500左右，长宽均不会超过512。
对于每一张图像，都在Annotations文件夹中存放有对应的xml文件。保存着物体框的标注，包括图片文件名，图片大小，图片边界框等信息。
以2007_000027.xml为例：
<annotation> #数据所在的文件夹名 <folder>VOC2012</folder> #图片名称 <filename>2007_000027.jpg</filename> <source> <database>The VOC2007 Database</database> <annotation>PASCAL VOC2007</annotation> <image>flickr</image> </source> #图片的宽和高 <size> <width>486</width> <height>500</height> <depth>3</depth> </size> <segmented>0</segmented> <object> #类别名 <name>person</name> #物体的姿势 <pose>Unspecified</pose> #物体是否被部分遮挡 <truncated>0</truncated> ##是否为难以辨识的物体， 主要指要结合背景才能判断出类别的物体。虽有标注， 但一般忽略这类物体 跳过难以识别的？ <difficult>0</difficult> #边界框 <bndbox> <xmin>174</xmin> <ymin>101</ymin> <xmax>349</xmax> <ymax>351</ymax> </bndbox> #下面的数据是人体各个部位边界框 <part> <name>head</name> <bndbox> <xmin>169</xmin> <ymin>104</ymin> <xmax>209</xmax> <ymax>146</ymax> </bndbox> </part> <part> <name>hand</name> <bndbox> <xmin>278</xmin> <ymin>210</ymin> <xmax>297</xmax> <ymax>233</ymax> </bndbox> </part> <part> <name>foot</name> <bndbox> <xmin>273</xmin> <ymin>333</ymin> <xmax>297</xmax> <ymax>354</ymax> </bndbox> </part> <part> <name>foot</name> <bndbox> <xmin>319</xmin> <ymin>307</ymin> <xmax>340</xmax> <ymax>326</ymax> </bndbox> </part> </object> </annotation>
ImageSets文件夹包括Action Layout Main Segmentation四部分：
Action存放的是人的动作（running、jumping等等）；
Layout存放人体部位数据（人的head、hand、feet等等）；
Main存放的是图像物体识别数据，总共分为20类；
Segmentation：存放的是可用于语义分割的数据：
SegmentationClass保存了分割后的标签图（2913张png图片），标注出了每一个像素属于哪一个类别：
SegmentationObject保存了分割后的标签图（759张png图片），标注出了每一个像素属于哪一个具体的物体：
其中./scripts/voc_label.py代码可以给训练集/验证集/测试集数据集打标签，将voc_label.py放到VOCdevkit文件夹下：
import xml.etree.ElementTree as ET import pickle import os from os import listdir, getcwd from os.path import join sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')] classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"] def convert(size, box): # box由实际像素(xmin,xmax,ymin,ymax)，转换成归一化的(w,y,w,h) dw = 1./(size[0]) # 1/width 单位宽像素长度 dh = 1./(size[1]) # 1/heigh 单位高像素长度 x = (box[0] + box[1])/2.0 - 1 #(xmin + xmax)/2-1 y = (box[2] + box[3])/2.0 - 1 #(ymin + ymax)/2-1 w = box[1] - box[0] # box宽所占像素数 h = box[3] - box[2] # box高所占像素数 x = x*dw # 即归一化后的中心坐标x w = w*dw # 即归一化后的宽 y = y*dh # 即归一化后中心坐标y h = h*dh # 即归一化后的高 return (x,y,w,h) def convert_annotation(year, image_id): # 将xml标签文件数据，进行处理后，并写入txt文件中 in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id)) out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w') tree=ET.parse(in_file) # 解析xml root = tree.getroot() # 获取根节点 size = root.find('size') # 获取图片大小 width、height、depth w = int(size.find('width').text) h = int(size.find('height').text) for obj in root.iter('object'): # 获取图片标注信息 difficult = obj.find('difficult').text # 是否是难以识别的 如果是，跳过 cls = obj.find('name').text # 类别名 if cls not in classes or int(difficult)==1: continue cls_id = classes.index(cls) # 类别所对应的id xmlbox = obj.find('bndbox') # 边界框 b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) bb = convert((w,h), b) # 转换成归一化之后的(x,y,w,h) out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') # 写入 class_id x y w h wd = getcwd() # 获取当前工作路径 for year, image_set in sets: if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)): # 创建标签文件夹， os.makedirs('VOCdevkit/VOC%s/labels/'%(year)) image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split() #获取所有的用于训练的图片文件名列表 list_file = open('%s_%s.txt'%(year, image_set), 'w') for image_id in image_ids: list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id)) convert_annotation(year, image_id) #xml标注文件转为txt类型标准文件 list_file.close() os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt") os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")
大概介绍一下这段程序：
- 读取VOCdevkit\VOC2012\ImageSets\Main\train.txt，获取用来训练的图片文件的文件名列表 ，一共5717个；
- 遍历这5717个文件名，向./2012_train.txt文件中写入文件全路径；同时获取每个文件的xml标注信息，并进行处理，获取目标类别，以及归一化后的边界框信息，写入lebal下的文件名.text文件中；
- 读取VOCdevkit\VOC2012\ImageSets\Main\val.txt，获取用来验证的图片文件的文件名列表 ，一共5823个；
- 遍历这5823个文件名，向./2012_val.txt文件中写入文件全路径；同时获取每个文件的xml标注信息，并进行处理，获取目标类别，以及归一化后的边界框信息，写入lebal下的文件名.text文件中；
我们需要修改代码sets：
sets=[('2012', 'train'), ('2012', 'val')]
由于我们是windows系统，因此屏蔽掉最后os.system相关代码。
我们运行这个程序，需要注意的是这个文件不可以直接运行，因为如果直接运行那么当前程序运行的目录就是当前文件，此时会找不到VOCdevkit文件夹。因此我们需要在Terminal中运行：
python ./VOCdevkit/voc_label.py
运行完后，在G:\darknet\VOCdevkit\VOC2012\labels下生成11540个文件：
同时在G:\darknet下生成这两个文件：
将这两个文件拷贝到G:\darknet\VOCdevkit：
并将名字修改为train.txt、val.txt。
5. 2 配置文件
在G:\darknet\VOCdevkit下创建data文件夹，复制G:\darknet\cfg文件夹下的voc.data到data文件夹下，并根据实际情况修改文件内容(路径中使用/，不要使用\)：
classes= 20 train = G:/darknet/VOCdevkit/train.txt valid = G:/darknet/VOCdevkit/val.txt names = G:/darknet/VOCdevkit/data/voc.names backup = G:/darknet/VOCdevkit/backup
复制G:\darknet\data目录下的voc.name到data文件夹：
aeroplane bicycle bird boat bottle bus car cat chair cow diningtable dog horse motorbike person pottedplant sheep sofa train tvmonitor
这里存放的是每个标签的名字。
在G:\darknet\VOCdevkit下创建cfg文件夹，从G:\darknet\cfg下复制一个配置文件作为我们的配置文件，这里我选择复制yolov4.cfg到G:\darknet\VOCdevkit\cfg文件夹下，yolov4.cfg里面存放的是网络参数以及网络结构信息，并进行修改：
- 将classes=80 改为你的类别数20（一共三处）；
- 改正[filters=255] 为 filters=(classes + 5)x3 =75（位置为查找yolo，每个yolo前的[convolutional]里，注意只修改最接近yolo的那个filters需要修改，一共应该有三处）；
- 修改max_batches=classes*2000，也就是40000；
- 修改steps为80% 到 90% 的max_batches值 比如max_batches=40000，则steps=32000,36000；
5.3 训练
shift+右键，G:\darknet路径下打开 PowerShell 窗口。
当没有预训练模型，执行以下代码：
./darknet.exe detector train VOCdevkit/data/voc.data VOCdevkit/cfg/yolov4.cfg
如果有yolov4预训练权重yolov4.conv.137：下载路径链接：https://pan.baidu.com/s/1N-3h5IuVrwdxHOOA69mg2g，提取码：991m；下载完成复制到G:\darknet：
./darknet.exe detector train VOCdevkit/data/voc.data VOCdevkit/cfg/yolov4.cfg yolov4.conv.137
软件开始执行训练命令，正常会显示Loss表界面和一个不断刷新数据的命令行界面； 这里由于我的电脑没有GPU跑的非常慢，这里我就不演示了。
如果有问题，几分钟内就会报错，一般的错误主要是文件找不到或者内存不够等，请仔细检查以上步骤的所有文件名和路径，如果是内存不够，可以修改cfg配置文件中前几行中的batch(改小，比如32)和subdivisions(改大，比如32)的数字后，再试。
跑完是这样的，每训练 100次会自动保存一次，训练生成的权重文件在G:\darknet\VOCdevkit\backup目录下，名字为yolov4-tiny_last.weights：
5.4 预测
训练结束了，现在可以测试训练结果了，复制一份刚才训练的 yolov4-tiny_last.weights保存到VOCdevkit/weights路径下。
复制yolov4.cfg文件并且重命名为yolov4-test.cfg，修改其中的参数：
batch=1
subdivisions=1
运行以下代码测试：
./darknet.exe detector test VOCdevkit/data/voc.data VOCdevkit/cfg/yolov4-test.cfg VOCdevkit/weights/yolo.voc.weights xxx.jpg
六、训练自己的数据
这里以从网上找到的磁块的缺陷裂缝检测的项目为例，具体数据可以参考博客提供软件环境和工业数据集下载]工业瑕疵缺陷检测实战：Windows下基于YOLOv4和OpenCV4深度学习训练自己的数据集和前端软件，效果意外的好。样本数据大致如下图：
6.1 labelImg工具安装
首先我们要去下载标准工具，labelImg下载链接：https://github.com/tzutalin/lab。labelImg工具适用于图像检测的数据集制作，可以直接生成yolo的标注格式。
我们在我们G:/darknet路径下，使用git下载源码：
git clone https://github.com/tzutalin/labelImg.git
下载完成后，会在当前路径看到：
使用开发工具spyder++或者pycharm打开这个项目，要求python版本3.0+：
安装必要的包，在Terminal下执行如下代码，安装比较慢耐心等待：
pip install pyqt5 -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip install lxml -i https://pypi.tuna.tsinghua.edu.cn/simple/ pyrcc5 -o libs/resources.py resources.qrc
然后在Terminal，运行如下命令，打开labelImg程序(或者直接运行labelImg.py里面的main函数)：
python labelImg.py
程序界面如下：
如果想将python代码打包生成exe可执行文件，执行如下命令即可：
pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple/ pyinstaller --hidden-import=pyqt5 --hidden-import=lxml -F -n "labelImg" -c labelImg.py -p ./libs -p ./
此时会在dist路径下生成exe文件：
6.2 数据集文件配置
我们在G:\darknet路径下创建一个文件夹Magnet，文件夹格式如下：
Magnet
Annotations #放入所有的xml文件
ImageSets
Main #放入train.txt,val.txt文件
JPEGImages #放入所有的训练图片文件
labels #放入所有的txt文件，会自动生成此文件夹
TESTImages #放入所有的测试图片文件
cfg #yolov4网络配置
data #训练集数据信息
然后把部分样本图片放到G:\darknet\Magnet\JPEGImages路径下，这里我选取了一共116张用于训练和验证图片。
下面我们在G:\darknet\Magnet下创建一个python文件prepare.py，
""" 预处理工作 @author zy @since 2022/03/26 """ import os def generate_train_and_val_txt(): ''' 遍历JPEGImages路径下所有文件名，并按照4:1,将数据分成训练集和验证集 并把全路径写入train.txt,val.txt :return: ''' # 获取当前工作路径 pwd = os.getcwd() # 训练集和验证集图片所在路径 source_folder = os.path.join(pwd, 'JPEGImages') # train.txt文件路径 train_text = os.path.join(pwd, 'ImageSets/Main/train.txt') # val.txt文件路径 val_test = os.path.join(pwd, 'ImageSets/Main/val.txt') # 判断文件是否存在，存在删除 if os.path.exists(train_text): os.remove(train_text) # 判断文件是否存在，存在删除 if os.path.exists(val_test): os.remove(val_test) with open(train_text, 'a') as train_file: with open(val_test, 'a') as val_file: count = 0 # 遍历所有图片 for file_name in os.listdir(source_folder): file_path = os.path.join(source_folder, file_name) count = count + 1 # 每隔4张选取一张验证集 if count % 5 == 0: val_file.write(file_path + '\n') else: train_file.write(file_path + '\n') if __name__ == '__main__': generate_train_and_val_txt()
然后运行该程序，会在ImageSets/Main文件夹下生成如下文件：
Main文件夹中的文件分别表示train.txt是训练集，val.txt是验证集。
然后将这两个文件复制到G:\darknet\Magnet路径下。
在G:\darknet\Magnet\data下新建magnet.data，内容如下：
classes= 3 train = G:/darknet/Magnet/train.txt valid = G:/darknet/Magnet/val.txt names = G:/darknet/Magnet/data/magnet.names backup = G:/darknet/Magnet/backup
在G:\darknet\Magnet\data下新建magnet.names，内容如下：
rip
gap
label
这里我们定义三类标签，名字分别为rip、gap、label。
从G:\darknet\cfg下复制一个配置文件作为我们的配置文件，由于我们的样本和缺陷类别都比较少，所以这里我选择tiny yolov4，tiny yolov4是简化版本的yolov4，主要是为了满足计算能力紧张的开发者使用和学习。tiny yolov4在准确度上会有相当的下降，但是在运算时间上，也会有相当大的提升。
这里我选择复制yolov4-tiny.cfg到G:\darknet\Magnet\cfg文件夹下，yolov4-tiny.cfg里面存放的是网络参数以及网络结构信息，并进行修改：
- 将classes=80 改为你的类别数3（一共2处）；
- 改正[filters=255] 为 filters=(classes + 5)x3 =24（位置为查找yolo，每个yolo前的[convolutional]里，注意只修改最接近yolo的那个filters需要修改，一共应该有2处）；
- 修改max_batches=classes*2000，也就是6000；
- 修改steps为80% 到 90% 的max_batches值 比如max_batches=6000，则steps=4800,5400；
- 修改batch=32,subdivisions=8；
6.3 数据打标签
给图片标记缺陷位置和类型：打开labelImg软件，在labelImg中点击“打开目录”打开数据集图片所在的文件夹为G:\darknet\Magnet\JPEGImages，如下图:
在labelImg中点击“改变存放目录”按钮，选择保存标签数据的路径为G:\darknet\Magnet\Annotations，如下图
配置好路径后，就可以开始标记了，软件的右下角会目录下的图片列表，点击软件左侧的左右箭头可以切换下一张图片查看标记，软件左下角按钮可以添加编辑标记。
标签名字暂时只能用英文，标签的名字要记住，后面还要用，本项目定义了三类标签，名字分别为rip、gap、label。
有缺陷的要标记，没有缺陷的图片或者不想训练的图片，不用标记，每标记完一个图片，Ctrl + S保存后，会在G:\darknet\Magnet\Annotations下生成相应的标签文件，吗，默认是PascalVOC格式，这里以0001.xml为例：
<annotation> <folder>JPEGImages</folder> <filename>0001.jpg</filename> <path>G:\darknet\Magnet\JPEGImages\0001.jpg</path> <source> <database>Unknown</database> </source> <size> <width>1280</width> <height>960</height> <depth>1</depth> </size> <segmented>0</segmented> <object> <name>gap</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>883</xmin> <ymin>401</ymin> <xmax>917</xmax> <ymax>450</ymax> </bndbox> </object> <object> <name>gap</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>879</xmin> <ymin>491</ymin> <xmax>914</xmax> <ymax>540</ymax> </bndbox> </object> </annotation>
我们可以通过修改格式将标签数据直接转换成YOLO训练所需要的格式：
这里我们标记完一共生成116个txt文件：
比如0001.txt：
0 0.703125 0.443229 0.026562 0.051042
0 0.700391 0.536979 0.027344 0.051042
然后我们将这些文件直接复制到G:\darknet\Magnet\labels路径下。
6.4 训练
shift+右键，G:\darknet路径下打开 PowerShell 窗口。
当没有预训练模型，执行以下代码：
./darknet.exe detector train Magnet/data/magnet.data Magnet/cfg/yolov4-tiny.cfg
如果有tiny yolov4预训练权重yolov4-tiny.conv.29：下载路径链接：https://pan.baidu.com/s/16b7GpOU50B2YkjriVQl1UQ，提取码：xbqc；下载完成复制到G:\darknet：
./darknet.exe detector train Magnet/data/magnet.data Magnet/cfg/yolov4-tiny.cfg yolov4-tiny.conv.29
跑完是这样的，每训练 100次会自动保存一次，训练生成的权重文件在G:\darknet\Magnet\backup目录下，名字为yolov4-tiny_last.weights。
6.5 预测
训练结束了，现在可以测试训练结果了，复制一份刚才训练的yolov4-tiny_last.weights保存到Magnet/weights路径下。
复制yolov4-tiny.cfg文件并且重命名为yolov4-tiny-test.cfg，修改其中的参数：
batch=1
subdivisions=1
运行以下代码测试：
./darknet.exe detector test ./Magnet/data/magnet.data ./Magnet/cfg/yolov4-tiny-test.cfg ./Magnet/weights/yolov4-tiny_last.weights ./Magnet/TESTImages/2002.jpg
参考文章
[2]win10 + YOLOv4 + CPU/GPU最全面配置教程
[3]
[4]【机器视觉】YOLOv4 手把手实操：制作数据集、训练权重、测试
[5][提供软件环境和工业数据集下载]工业瑕疵缺陷检测实战：Windows下基于YOLOv4和OpenCV4深度学习训练自己的数据集和前端软件，效果意外的好
[6]fox1986487 / YOLOV4_YOLOV4_TINY
[7](tiny) YOLOv4 详细训练指南(附下载链接)
[8]Could not locate zlibwapi.dll. Please make sure it is in your library path
[9]https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-zlib-windows
