ubuntu18.04下yolov4进行物体检测

最新推荐文章于 2022-04-04 21:38:56 发布
最新推荐文章于 2022-04-04 21:38:56 发布
阅读量900 收藏 9
点赞数 1
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/miss_bear/article/details/107156000
版权

文章目录

一、安装环境

需要tensorflow、keras以及opencv-python
安装TensorFlow

 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0

在这里插入图片描述
安装keras

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.2.5

在这里插入图片描述
安装opencv-python

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

在这里插入图片描述

二、从github上下载包

1、下载包

git clone https://github.com/Ma-Dan/keras-yolo4

在这里插入图片描述

2、下载权重文件

在这里插入图片描述

三、编译程序

1、找到test.py，修改model_path。修改为我们前面已经引入的.h5文件

在这里插入图片描述

2、test.py顶部添加编码

在这里插入图片描述

3、运行程序（准备好一张图片）

cd keras-yolo4
python3 test.py

在这里插入图片描述

missbearC
关注
yolov4对检测出来的标签计数（多个类别的标签）
qq_37973756的博客
04-22 1680
// image output qsort(selected_detections, selected_detections_num, sizeof(*selected_detections), compare_by_probs); //添加需要计数的标签 int count_Headup = 0; int count_Headdown = 0; int count_Computer = 0; for (i = 0; i < selected_de..
Yolo v4-keras下的物体识别学习
weixin_43869980的博客
07-11 540
目录一、本次学习所需准备二、yolov4.weights的h5模型转换1.修改包中convert.py代码内容 一、本次学习所需准备 YoloV4-Keras包的下载、yolov4.weights下载、VOC训练集和测试集下载 （这些资源的下载不是很难，这里就不一一列举了，大家可以找找相关博客） 注意：yolov4.weights下载后上传至YoloV4-Keras的包中 接下来进入学习的重点： 二、yolov4.weights的h5模型转换 1.修改包中convert.py代码内容 ...
Ubuntu18.04配置yolov5目标检测
linghu8812的博客
06-02 1443
Ubuntu18.04配置yolov5目标检测
Ubuntu 18.04下测试YOLO v4
星光
12-15 2266
在Ubuntu 18.04下测试了YOLO的方案。选择安装的是CUDA 11.4和cuDNN 8.2，在测试v3版本时遇到了编译的问题。所以选择v4版本。 参考链接：https://pjreddie.com/darknet/yolo/，基本上遵循v3版本的下载测试指引。除了版本下载选择AlexeyAB的v4版本，其它都按照链接中的操作。 项目下载 $ git clone https://github.com/AlexeyAB/darknet 在当前目录下产生darknet目录。国内通过git连接gi
Ubuntu18.04下基于YoloV4 的Keras物体识别
白码王子小张的博客
07-06 728
这里写目录标题一、安装keras、tensorflow二、下载Yolo V4-keras三、yolov4.weights权重文件h5模型转换四、实现YoloV4 的Keras物体识别 一、安装keras、tensorflow 注意：安装的keras和tensorflow版本要相匹配 1.安装keras 二、下载Yolo V4-keras 1.下载Yolo V4-keras git clone https://github.com/Ma-Dan/keras-yolo4 文件内容如下： 2.yolov4.
【ROS】ros下的物体识别find_object_2d
moX980的博客
06-08 929
https://www.guyuehome.com/33779
Ubuntu18.04 搭建YOLOV4环境
tugouxp的专栏
08-01 3366
下载代码，编译 git clone https://github.com/AlexeyAB/darknet cd darknet make 下载预训练权重: 验证： caozilong@caozilong-Vostro-3268:~/Workspace/yolo/darknet$ ./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./yolov4.weights data/dog.jpg GPU isn't used ..
ubuntu18.04+yolov3v4配置环境+cuda+cudnn+opencv4
m0_51210142的博客
06-27 1008
目录 0、前言 1、ubuntu18.04系统安装 2、安装nvidia驱动安装+cuda+cudnn 2.1、安装驱动 2.2、安装cuda 2.3、cudnn的安装 3、opencv的安装 4、yolov3，yolov4的编译 5、关于调用摄像头、检测结果的保存等 6、结束语 0、前言 yolov3、yolov4在物体检测这块比较火，网上也有挺多关于配置的教程，但不同的配置环境总会有不同的报错。本文旨在将自己安装过程的经验分享，同时记录下安装过程及遇到的报错问题，便于后边查阅
Ubuntu18.04下YOLOv3详解——搭建、训练、测试、评估
热门推荐
夜夜coding到天明的博客
07-29 1万+
YOLOv3——搭建、训练、测试、评估环境搭建模型训练模型测试模型评估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 环境搭建 我们对Markdown编辑器进行了一些功能拓展与语...
在ubuntu18.04下训练yolov3模型（CPU）
weixin_43934369的博客
12-26 1133
在ubuntu18.04下训练yolov3模型（CPU） 1.下载darknet 保证你事先安装好git、gcc、g++、make # 更新apt apt update apt upgrade apt install git apt install gcc apt install g++ apt install make 打开终端， 并在终端下依次输入以下命令 git clone https://github.com/pjreddie/darknet.git cd darknet make 编译完成后键
ubuntu18.04视觉智能检测
10-14
"ubuntu18.04视觉智能检测" 基于Ubuntu 18.04操作系统的视觉智能检测技术是机器人视觉人工智能技术的一部分，通过使用YOLO（You Only Look Once）算法对图像进行对象检测。YOLO是一种实时目标检测算法，能够快速...
Ubuntu18.04 ROS智能车仿真 yolo图像目标检测
君琴 的博客
07-11 3019
本博客的运行环境为Ubuntu18.04，ROS为melodic。 进入ROS的工作区的src文件夹 cd ~/catkin_ws/src 克隆源码包 git clone https://github.com/xmy0916/racecar.git 然后回到ROS工作区 cd .. 编译一下 catkin_make 编译成功后，添加环境变量 source ./devel/setup.bash 启动仿真 运行racecar.launch文件。 roslaunch racecar_gazebo ra
ROS下物体检测和识别功能（ROS下find_object_2d）
qq_42145185的博客
03-25 3612
效果： 安装步骤： # ROS Kinetic: $ sudo apt-get install ros-kinetic-find-object-2d $ cd ~/catkin_ws $ git clone https://github.com/introlab/find-object.git src/find_object_2d $ catkin_make 启动： $ roslaunch...
Ubuntu 18.04 YOLOv5 ros_yolo 环境配置 数据集标注
weixin_43563233的博客
06-03 1万+
Windows YOLOv4 环境配置（GPU版）提示 确保你有Nvidia显卡，并确定所支持的CUDA版本准备源码工具CUDA + cuDNNOpenCV + OpenCV_ContribYOLOv4 (darknet) 提示 确保你有Nvidia显卡，并确定所支持的CUDA版本 准备 源码 darknet-master opencv + opencv_contrib (下面使用的 opencv 的版本号为4.2.0 ) CUDA (下面使用的CUDA版本为11.1) cuDNN (下载 cuDNN
Ubuntu下如何编译YOLO
LavenderSs's Tech-Blog
08-01 2199
1.Install NVIDIA Driver 352.39 + CUDA + CUDA-Sample + OpenCV 2.Download and build darknet (See more:http://pjreddie.com/darknet/install/) --sudogedit Makefile: OPENCV=1 or GPU=1 --makeclean --
ROS整合谷歌tensorflow实现物体识别
weixin_44827364的博客
02-13 3217
目前机器人行业最火的ROS,人工智能/机器学习方面相对较火的tensorflow，两者结合肯定是让机器人锦上添花，功能更加丰富完善。正好在GitHub上看到了tensorflow的ROS功能包，验证功能包可行性之后，给大家分享一下。 先看一下效果： TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，效果非常好，不得不承认谷歌太强了。 而且可以看到，准确率还是非...
ubuntu18.04 ROS下在YOLO框架下运行darknet_ROS
weixin_51543864的博客
01-11 1449
对应的GitHub库链接：https://github.com/leggedrobotics/darknet_ros 可以运行如下命令 mkdir -p catkin_workspace/src cd catkin_workspace/src git clone --recursive git@github.com:leggedrobotics/darknet_ros.git cd ../ 如果在git clone时无法成功 则需要有一个GitHub账号 点击NewSSH Key Title自己
Gazebo搭建虚拟环境完成ROS机器人定位导航仿真及YOLO检测识别标记物体
Harriet的博客
03-28 8936
文章目录前言一、前期准备（一）创建工作空间（二）功能包racecar二、Gazebo搭建自己的虚拟环境（一）相关设置（二）运行小车模型（三）手动搭建环境（四）运行创建环境三、进行gmapping建图总结 前言 环境说明： 本过程采用Ubuntu18.04+ROS Melodic+Gazebo+yolo3 一、前期准备 （一）创建工作空间 创建ros的工作区域 mkdir -p ~/robot_positioning_ws/src 转换到工作区域目录 cd ~/robot_positionin
ubuntu18.04配置yolov5环境
weixin_44126988的博客
04-04 7299
ubuntu18.04配置yolov5
ubuntu18.04配置yolov4环境
最新发布
03-16
要在Ubuntu 18.04上配置Yolov4环境，您需要执行以下步骤： 1. 安装CUDA和cuDNN 首先，您需要安装CUDA和cuDNN。您可以从NVIDIA官网下载CUDA和cuDNN，并按照官方文档进行安装。 2. 安装OpenCV 接下来，您需要安装...
评论
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