win10 下的YOLO v3 的编译与使用

部署环境：win10 +CUDA 10.0 + vs2017 + opencv 3.4.0 

代码版本是 https://github.com/AlexeyAB/darknet  

1、初始准备

　　（1）下载代码

　　（2）确保 VS2017 安装了 VC++ v140工具集，如果没有安装，打开 Visual Studio Installer  ——修改——选中 c++ 在右侧找到 vc++ v140  如下图所示

　　

2、修改项目文件

　　（1）如果环境不是 CUDA10.0 （安装了CUDA9.0等），文本编辑器打开  darknet.vcxproj  搜索 CUDA 10.0 字样 ，一共两处 （CUDA 和 10.0 中间有个空格）将 CUDA 10.0  换成你安装的 CUDA 版本 例如（ CUDA 9.0 ）

　　（2）如果是 CUDA 9.0 ，还需要把  ;compute_75,sm_75   换成   ;compute_70,sm_70  

3、项目配置

　　（1）打开 darknet.sln (没有 GPU 的 打开 darknet_no_gpu.sln 前面修改也是修改对应无 GPU 的 vcxproj 项目文件 )　，第一次打开会提示 重新定向项目 这里 windows sdk  选择 10.0  ，平台工具集选择 无升级    

                

　　（2）设置 程序 release X64

　　　　

　　（3）右击 darknet ——属性

　　　　　a) 确定平台工具集是 V140

　　　　　　

　　　　　　b）设置VC++目录（包含目录和库目录），分别设置为 OpenCV 的 安装目录  中的

　　　　　　　　C:opencvopencvuildinclude

　　　　　　　　C:opencvopencvuildincludeopencv

　　　　　　　　C:opencvopencvuildincludeopencv2

　　　　　　　　和 C:opencvopencvuildx64vc14

　　　　　　　　

　　　　　　c） 设置链接器 

　　　　　　　　链接器——输入——附加依赖项 点开后  直接添加  C:opencvopencvuildx64vc14 目录中的 lib 文件的名称 （这里是 opencv_world340.lib ）

　　　　　　

　　　　　　d）分别点击应用和确定

4、开始编译

　　（1）darknet项目右击 生成 

　　（2）将 C:opencvopencvuildx64vc14 目录下的 opencv_ffmpeg340_64.dll  和  opencv_world340.dll 复制到  darknet-masteruilddarknetx64  目录下

　　（3）几种编译报错的 解决方法

　　　　a ）MSB8036 The Windows SDK version 8.1 was not found. 

　　　　　解决方法：　这是由于目标版本问题，右击项目 —— 常规——将目标版本选中有的那个（这里是10.0.17763.0）

　　　                  　　　

　　　　b ） MSB4019 未找到导入的项目“***Microsoft.Cppv4.0V140BuildCustomizationsCUDA 10.0.targets”。请确认 <Import> 声明中的路径正确，且磁盘上存在该文件。 darknet darknet-masteruilddarknetdarknet.vcxproj 301

　　　　　　解决方法：将 NVIDIA GPU Computing ToolkitCUDAv10.0extrasvisual_studio_integrationMSBuildExtensions  文件夹 中的所有文件 复制到 C:Program Files (x86)MSBuildMicrosoft.Cppv4.0v140BuildCustomizations 中重新编译即可

　　　　c ） opencv2/core/core.hpp : No such file or directory 

　　　　　　解决方法：右击项目 —— 将配置改成 release  平台改成 x64 

     　　　　

5 使用测试

　　　　　在源码页面下载yolov3的 yolov3.weights　也可以自己下载其他权重测试

　　　　

　　　　进入 darknet-masteruilddarknetx64  目录 打开命令行 输入  ./darknet.exe detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -thresh 0.25

　　　　然后输入图片路径即可检测图片      （ -thresh 0.25  代表检测阈值，概率高于0.25的画框）

　　　　

 　  　　其他 检测命令  

　　　　检测视频 ./darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -thresh 0.25 test.MP4

 　　　   检测网络像头： ./darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -thresh 0.25 相机网络地址

　　　　其他检测可参照 github 网址