YOLOv4 환경 구축②
마지막 기사
YOLOv4 환경 구축①
참고
htps //w w. 요츠베. 이 m/와 tch? v = 수 Vpz8
DarkNet 다운로드
C 드라이브와는 별도의 D 드라이브 바로 아래에 YOLO_v4
디렉토리를 작성하기로 결정했습니다.
이 디렉토리에 DarkNet 다운로드
GitHub에서 복제
htps : // 기주 b. 이 m / pj Reet / rk t
URL 복사
명령 프롬프트에서 YOLO_v4
디렉터리로 이동하여 복제
/YOLO_v4$ git clone https://github.com/pjreddie/darknet.git
OpenCV dll 파일을 DarkNet에 복사
지난번 빌드 된 OpenCV 디렉토리 C:\opencv\build\bin\Release
에서 다음 파일을 D:\YOLO_v4\darknet\build\darknet\x64
로 복사
C 드라이브와는 별도의 D 드라이브 바로 아래에
YOLO_v4
디렉토리를 작성하기로 결정했습니다.이 디렉토리에 DarkNet 다운로드
GitHub에서 복제
htps : // 기주 b. 이 m / pj Reet / rk t
URL 복사
명령 프롬프트에서
YOLO_v4
디렉터리로 이동하여 복제/YOLO_v4
$ git clone https://github.com/pjreddie/darknet.git
OpenCV dll 파일을 DarkNet에 복사
지난번 빌드 된 OpenCV 디렉토리 C:\opencv\build\bin\Release
에서 다음 파일을 D:\YOLO_v4\darknet\build\darknet\x64
로 복사
cuDNN dll 파일을 DarkNet에 복사
이전과 마찬가지로 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
(전회 참조)에서 다음 파일을 D:\YOLO_v4\darknet\build\darknet\x64
로 복사
cuDNN 버전에 맞게 DarkNet 설정 변경
편집기에서 D:\YOLO_v4\darknet\build\darknet
에서 darknet.vcxproj를 편집기에서 열고 편집
"CUDA 10"에서 검색하여 모든 위치의 CUDA 버전을
10.0에서 10.2로 변경
같은 디렉토리에 있는 yolo_cpp_dll.vcxproj에 대해서도 마찬가지로 버젼을 수정한다
YOLOv4를 업데이트한 CUDA 버전으로 컴파일
Visual Studio에서 yolo_cpp_dll.vcxproj를 열고 모드를 Rerease, x64로 설정하여 yolo_cpp_dll을 빌드합니다.
DarkNet 컴파일
Visual Studio에서 D:\YOLO_v4\darknet\build\darknet
에서 darknet.sln 열기
이전과 마찬가지로 모드를 Rerease, x64로 설정
darknet의 오른쪽 클릭 메뉴에서 속성 열기
C/C++
추가 포함 디렉토리 편집
속성 C/C++ > 全般 > 追加のインクルードディレクトリ
에 C:\opencv\build\install\include 추가
전처리기 정의 편집
속성 C/C++ > プリプロセッサ > プリプロセッサの定義
에서 CUDNN_HALF 제거
CUDA C/C++
속성 CUDA C/C++ > Device > Code Generation
에서 compute_75, sm_75 제거 (10.2에서는 필요 없음)
링커
속성 リンカー > 全般 > 追加のライブラリディレクトリ
에 C:\opencv\build\install\x64\vc16\lib 추가
darknet 빌드
솔루션 탐색기에서 darknet을 마우스 오른쪽 버튼으로 클릭하여 빌드
명령 프롬프트에서 확인
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 python에서 darknet을 오류없이 import 할 수 있는지 확인
\YOLO_v4\darknet\build\darknet\x64$ python
>>> import darknet
>>>
YOLOv4에서 정지 영상과 동영상에 대해 물체 감지를 수행합니다.
학습된 모델 다운로드
htps : // 기주 b. 코 m / 아, B / 다 rk t에서 학습 된 모델 다운로드
다운로드한 yolov4.weights를 D:\YOLO_v4\darknet\build\darknet\x64
에 복사
같은 디렉토리에 동작 확인에 사용하는 정지화면 파일과 동영상 파일도 넣어 둔다
스틸 이미지로 물체 감지
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.
$ darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights
스틸 이미지의 경로를 묻기 때문에 입력하십시오.
동영상으로 물체 감지
동영상 파일의 이름은 test.mp4
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.
$ darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4
다음에 계속
게다가?
Reference
이 문제에 관하여(YOLOv4 환경 구축②), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/kzsDev/items/85d117195f44a86dd8fe
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Visual Studio에서 yolo_cpp_dll.vcxproj를 열고 모드를 Rerease, x64로 설정하여 yolo_cpp_dll을 빌드합니다.
DarkNet 컴파일
Visual Studio에서 D:\YOLO_v4\darknet\build\darknet
에서 darknet.sln 열기
이전과 마찬가지로 모드를 Rerease, x64로 설정
darknet의 오른쪽 클릭 메뉴에서 속성 열기
C/C++
추가 포함 디렉토리 편집
속성 C/C++ > 全般 > 追加のインクルードディレクトリ
에 C:\opencv\build\install\include 추가
전처리기 정의 편집
속성 C/C++ > プリプロセッサ > プリプロセッサの定義
에서 CUDNN_HALF 제거
CUDA C/C++
속성 CUDA C/C++ > Device > Code Generation
에서 compute_75, sm_75 제거 (10.2에서는 필요 없음)
링커
속성 リンカー > 全般 > 追加のライブラリディレクトリ
에 C:\opencv\build\install\x64\vc16\lib 추가
darknet 빌드
솔루션 탐색기에서 darknet을 마우스 오른쪽 버튼으로 클릭하여 빌드
명령 프롬프트에서 확인
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 python에서 darknet을 오류없이 import 할 수 있는지 확인
\YOLO_v4\darknet\build\darknet\x64$ python
>>> import darknet
>>>
YOLOv4에서 정지 영상과 동영상에 대해 물체 감지를 수행합니다.
학습된 모델 다운로드
htps : // 기주 b. 코 m / 아, B / 다 rk t에서 학습 된 모델 다운로드
다운로드한 yolov4.weights를 D:\YOLO_v4\darknet\build\darknet\x64
에 복사
같은 디렉토리에 동작 확인에 사용하는 정지화면 파일과 동영상 파일도 넣어 둔다
스틸 이미지로 물체 감지
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.
$ darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights
스틸 이미지의 경로를 묻기 때문에 입력하십시오.
동영상으로 물체 감지
동영상 파일의 이름은 test.mp4
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.
$ darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4
다음에 계속
게다가?
Reference
이 문제에 관하여(YOLOv4 환경 구축②), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/kzsDev/items/85d117195f44a86dd8fe
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
$ python
>>> import darknet
>>>
학습된 모델 다운로드
htps : // 기주 b. 코 m / 아, B / 다 rk t에서 학습 된 모델 다운로드
다운로드한 yolov4.weights를
D:\YOLO_v4\darknet\build\darknet\x64
에 복사같은 디렉토리에 동작 확인에 사용하는 정지화면 파일과 동영상 파일도 넣어 둔다
스틸 이미지로 물체 감지
명령 프롬프트에서
D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.$ darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights
스틸 이미지의 경로를 묻기 때문에 입력하십시오.
동영상으로 물체 감지
동영상 파일의 이름은
test.mp4
명령 프롬프트에서 D:\YOLO_v4\darknet\build\darknet\x64
로 이동하여 다음을 수행합니다.$ darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4
다음에 계속
게다가?
Reference
이 문제에 관하여(YOLOv4 환경 구축②), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/kzsDev/items/85d117195f44a86dd8fe
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(YOLOv4 환경 구축②), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/kzsDev/items/85d117195f44a86dd8fe텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)