使用OpenCV调用yolo3 GPU版

使用OpenCV的DNN模块调用yolo3默认是CPU版本的，而且也不是真的调用yolo3，只是需要一个权重weights文件，一个配置cfg文件和一个标签列表names文件。

【重要部分】

网上的关于这一块的代码都大同小异，但是关键的地方在于一次加载多次调用，简单的加入

net.setPreferableBackend(cv.dnn.DNN_BACKEND_CUDA)

net.setPreferableTarget(cv.dnn.DNN_TARGET_CUDA)

这两句话是不管用的，实际运行速度和CPU的没区别。

先看一段代码：

# -*- coding: utf-8 -*
import numpy as np
import cv2 as cv
import os
import time

yolo_dir = '/home/ubuntu/model/yolo3'  # YOLO文件路径
weightsPath = os.path.join(yolo_dir, 'yolov3-test.weights')  # 权重文件
configPath = os.path.join(yolo_dir, 'yolov3-test.cfg')  # 配置文件
labelsPath = os.path.join(yolo_dir, 'test.names')  # label名称
imgPath = os.path.join(yolo_dir, 'test.jpg')  # 测试图像
CONFIDENCE = 0.25  # 过滤弱检测的最小概率
THRESHOLD = 0.2  # 非最大值抑制阈值

#批量图片检测和保存位置
test_dir = '/home/ubuntu/model/yolo4-tiny/imgs'
save_dir = '/home/ubuntu/model/yolo4-tiny/imgsResultV3'

# 加载网络、配置权重
net = cv.dnn.readNetFromDarknet(configPath, weightsPath)  # #  利用下载的文件


#批量加载图像
pics = os.listdir(test_dir)
start = time.time()
minTime = 10;
maxTime = 0;
for im in pics:
# 加载图片、转为blob格式、送入网络输入层
    s = time.time()
    imgPath = os.path.join(test_dir,im)
    img = cv.imread(imgPath)
    blobImg = cv.dnn.blobFromImage(img, 1.0/255.0, (416, 416), None, True, False)   # # net需要的输入是blob格式的，用blobFromImage这个函数来转格式
    net.setInput(blobImg)  # # 调用setInput函数将图片送入输入层

    # 获取网络输出层信息（所有输出层的名字），设定并前向传播
    outInfo = net.getUnconnectedOutLayersNames()  # # 前面的yolov3架构也讲了，yolo在每个scale都有输出，outInfo是每个scale的名字信息，供net.forward使用
    layerOutputs = net.forward(outInfo)  # 得到各个输出层的、各个检测框等信息，是二维结构。
    # 拿到图片尺寸
    (H, W) &#