Opencv4.4调用Yolov4模型并使用CUDA加速程序运行

最新推荐文章于 2024-07-01 17:16:27 发布
最新推荐文章于 2024-07-01 17:16:27 发布
阅读量1.3k 收藏 8
点赞数 3
分类专栏： 深度学习 文章标签： 神经网络 深度学习 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_50516160/article/details/116095605
版权

Opencv4.4调用Yolov4模型并使用CUDA加速程序运行

程序运行环境

由于不使用cuda加速的opencv调用yolov4模型进行预测时，检测一张图像大约需要180ms，检测速度较慢。因此使用cuda对程序进行加速，最终的检测效果能够达到20ms检测一张图像，检测效率提升明显。

1.Windows10+vs2017+CUDA10.1+cudnn7.6.3
2.opencv4.4+yolov4模型
3.Cmake3.17.4

1.Windows10+vs2017+CUDA10.1+cudnn7.6.3

安装vs2017与CUDA10.1以及安装对应的cudnn版本比较简单，这里不进行介绍。

2.opencv4.4+yolov4模型

opencv4.4在2020年7月发布，其中这个版本的opencv支持YOLO v4与EfficientDet
下载链接为：opencv4.4 link.
opencv 额外扩展模块 link.

2.Cmake3.17.4

Cmake3.17.4下载链接为 link.

最终效果

CUDA加速前程序运行效果
从图片看到一张图片的检测速度为224.37

最低0.47元/天 解锁文章
一二程序员
关注
专栏目录
OpenCV调用YOLOv4进行目标检测！
爬遍所有网站
09-05 2140
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。 这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。 注意：opencv-python 目前只有4.4.0版本适配了 YOLOv4 导入库 import numpy as np import time import cv2 设置标签和标注..
OpenCV调用YOLOv4进行目标检测（转载）
shuirenbushijun的博客
08-25 1018
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。 这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。 注意：opencv-python 目前只有 4.4.0 版本适配了 YOLOv4 导入库 import numpy as np import time import cv2 1 2 3 设置标签和标注
fatal error: vgg_generated_120.i: No such file or directory/opencv2/xfeatures2d/cuda.hpp没有那个文件或目录
最新发布
m0_61178500的博客
07-01 561
打开/home/xxx/opencv-3.4.10/modules/stitching/include/opencv2/stitching/detail（根据自己的路径），找到52行#include".....cuda.hpp"，更改为：（根据自己的路径）----------------------------------------------------------------接上文。然后，我突发奇想，在前面加上sudo试一下，结果就好了，编译100%通过了。
opencv裁剪图片_OpenCV调用YOLOv4进行目标检测！是真的强！
weixin_39679091的博客
11-21 552
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。注意：opencv-python 目前只有 4.4.0 版本适配了 YOLOv4导入库imp...
OpenCV调用YOLOv4进行目标检测
热门推荐
Steven的博客
08-19 1万+
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。 这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。 注意：opencv-python 目前只有 4.4.0 版本适配了 YOLOv4 导入库 import numpy as np import time import cv2 设置标签和标注颜色
OpenCV调用YOLOv4进行目标检测！是真的强！
pythonlaodi的博客
09-09 3428
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。 这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。 注意：opencv-python 目前只有4.4.0版本适配了 YOLOv4 导入库 import numpy as np import time import cv2 设置标签和标注..
OpenCV4.4 + contrib + Cuda DNN模块调用Yolov3 / Yolov4模型及处理
kkkkkk0729的博客
03-29 571
RoboMaster 视觉雷达开发前言一、调用代码二、效果展示 前言     此博客记录了 OpenCV4.4 + contrib + Cuda 在重新编译后，运用OpenCV4.4 中的 “DNN模块” 对Yolov3 / Yolov4等深度学习模型的调用方法和一些简单的处理。   此处仅贴代码，关于如何在 Linux 系统下编译 OpenCV4.4 + contrib + Cuda 版本，后续会出相关博客。   一、调用代码   Yolo.h #include <fstream&g.
opencv4.4_x64_vs2019_contrib4.4_nocuda_withcuda库文件.zip
08-15
在这个特定的压缩包"opencv4.4_x64_vs2019_contrib4.4_nocuda_withcuda库文件.zip"中，我们包含了OpenCV 4.4版本的64位库文件，专为Visual Studio 2019（VS2019）编译器优化。这个库文件的独特之处在于它同时提供了...
在Windows环境下调用GPU部署yolov5模型
weixin_43193894的博客
08-16 1712
在win10+opencv4.4.0+opencv_contrib4.4.0+cuda10.2环境下部署yolov5模型 编译过程参考了这一篇博客 https://blog.csdn.net/hai_fellow_Z/article/details/116002203 主要有两个代码yolo.h和main_yolo.cpp 主程序为main_yolo.cpp文件 以下代码main函数可以分别实现图片、视频、摄像头的调用 #include "yolo.h" #include <opencv2/op
opencv4.4 x86-64编译
06-11
4. 在C++项目中链接OpenCV库，并编写代码调用DNN模块和CUDA加速功能。 5. 测试和优化代码，确保在目标平台上正确运行并达到预期性能。 例如，要加载预训练的TensorFlow模型并在GPU上运行推理，开发者需要以下代码...
yolov4_opencv4.4实现目标检测.rar
08-26
主要是yolov4-tiny和opencv4.4的源码，功能主要用于目标检测，可以在Ubuntu或Linux上跑，直接实现摄像头、视频、图片的检测。
c++调用YOLOV4实现目标检测
06-19
需要配置opencv和cuda的环境，配置之后可以直接运行生成检测之后的图片，yolov4.weights直接在网上下载就可以放到代码的目录下
opencv-4.4.0-openvino.zip
07-22
opencv4.4.0 当前的最新版本。最新的 Yolo v4 检测器，添加对 Resnet_backbone（Torchvision）的支持，EfficientDet 模型支持
OpenCV-dnn加载YOLO网络目标检测
04-17
利用opencv-dnn加载YOLO进行目标检测，可以检测输入的图片，也可以利用USB-camera实时检测（目标包括人、汽车、狗等等【COCO数据集】），资源包含源代码和可执行程序（release文件夹下的exe文件可以直接运行测试）【注意：由于.weight文件太大无法一并上传，需要自行下载，下载地址见博客】
基于Opencv4.4的YOLOv4目标检测
qq_45445740的博客
08-29 3557
2020年7月18日，OpenCV官网发布了OpenCV的最新版本OpenCV4.4.0，令我比较兴奋的是，其中支持了YOLOv4，之前的一段时间，我都在YOLO系列苦苦挣扎，虽然YOLOv4的性能很好，准确率也高，但当时opencv不支持，就导致在QT做界面时，读取不了yolov4的权重，无法进行目标检测，后来无奈只能选择了yolov3。 虽然用pytorch-yolov4也能得到很好的效果，但那样训练出来的权重文件后缀是pth，这么做，只能选择PyQT去做界面，考虑到Python的运行速度远不及C++.
opencv 如何调用yolov4 （告别pytorch环境）
weixin_45303602的博客
07-31 652
YOLOV4其实是一个结合了大量前人研究技术，加以组合并进行适当创新的算法，实现了速度和精度的完美平衡。
python调用YOLOv4训练的.weights模型
u014781964的博客
09-01 4677
python3调用模型代码调用代码（网上很多可以参考）问题1：执行python XX.py时报错功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 调用代码（网上很多可以参考） // An highlighted block impo
opencv+vs2019+yolov4
qianxun
09-29 507
opencv自3.4版本以来就添加了dnn模块，可以加载tensorflow模型，darknet等模型。 今天我们来测试下opencv中dnn模块加载模型检测的速度。 代码如下：使用的是yolov4模型 #include <opencv2/opencv.hpp> #include <opencv2/dnn.hpp> #include <fstream> #include <iostream> #include <algorithm> #in
opencv调用yolov5模型
05-17
要在OpenCV中使用YOLOv5模型，您需要进行以下步骤： 1. 下载并安装YOLOv5模型。您可以从https://github.com/ultralytics/yolov5下载YOLOv5模型。 2. 将模型转换为OpenCV可以使用的格式。您可以使用以下命令将YOLOv...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值