Qt+YOLOv4实现目标检测

环境:

系统:win10 (显卡:NVIDIA GTX 1050)

Yolo版本:V4

cuda:11.2

cudnn:8.1.1

opencv:3.4.15

VS:2019

1.编译前准备

    1.1 opencv

    首先要安装opencv,下载地址如下

https://opencv.org/

    安装3.4.16就可以了

    1.2 安装cuda和cudnn

    安装教程可以参考我这篇文章。

    深度学习GPU环境CUDA安装教程

2.编译YOLO

    YOLO下载地址:‍

https://github.com/AlexeyAB/darknethttps://codechina.csdn.net/mirrors/alexeyab/darknet?utm_source=csdn_github_accelerator

    用记事本打开yolo_cpp_dll.vcxproj

    将里面的版本换成自己的版本,文件中有两处修改。

    修改完成后,打开yolo_cpp_dll.sln,然后选择release,然后生成。

    生成完后就会得到DLL和LIB。

    然后将头文件和库拷贝到自己工程目录下。

3.构建项目

    3.1 添加头文件路径和库

#OPENCV
INCLUDEPATH += E:/build/include/
INCLUDEPATH += E:/build/include/opencv/
INCLUDEPATH += E:/build/include/opencv2/
LIBS += -LE:/build/x64/vc15/lib/ -lopencv_world3415
​
#YOLO
INCLUDEPATH += $$PWD/yolov4/include/
LIBS += -L$$PWD/yolov4/lib/ -lyolo_cpp_dll

    3.2 添加宏和头文件

//
#define OPENCV
#define GPU
#include "yolo_v2_class.hpp"
​
//
#include <opencv2\opencv.hpp>
#include "opencv2/highgui/highgui.hpp"
using namespace cv;

    3.3 要下载这几个文件

    里面有权重文件。

https://pan.baidu.com/s/1c-clykwyKHGQp2ENnJjFoA
密码:d6lz

    3.4 最后运行程序

    结果如下:

    测试源码地址:

https://download.csdn.net/download/qq_40732350/33811403

参考链接:

https://link.zhihu.com/?target=https%3A//pjreddie.com/media/files/yolov3.weights

https://blog.csdn.net/weixin_42448226/article/details/105752224

https://www.cnblogs.com/ivint/p/14298388.html

https://github.com/gyutaebbb/yolo-qt

https://github.com/AlexeyAB/darknet
1、https://blog.csdn.net/lixudem/article/details/106993430?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-6.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-6.control

2、https://blog.csdn.net/sinat_41852207/article/details/90906309?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-5.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-5.control

3、https://blog.csdn.net/alansss/article/details/104448347?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161095690516780271532753%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161095690516780271532753&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-3-104448347.first_rank_v2_pc_rank_v29&utm_term=win10%E7%BC%96%E8%AF%91yolov3%E6%97%B6%E6%8A%A5%E9%94%99error%20MSB3721&spm=1018.2226.3001.4187

4、https://blog.csdn.net/jin739738709/article/details/90342696

5、https://blog.csdn.net/stjuliet/article/details/87884976?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161102361916780269894467%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161102361916780269894467&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-3-87884976.first_rank_v2_pc_rank_v29&utm_term=%E4%BD%BF%E7%94%A8yolo%E7%9A%84%E5%8A%A8%E6%80%81%E9%93%BE%E6%8E%A5%E5%BA%93&spm=1018.2226.3001.4187

  • 2
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
需要学习ubuntu系统上YOLOv4的同学请前往:《YOLOv4目标检测实战:原理与源码解析》 【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来! 代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4实现darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4实现原理和源码,具体内容包括:- YOLOv4目标检测原理- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器:BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《Windows版YOLOv4目标检测:原理与源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:《Windows版YOLOv4目标检测实战:训练自己的数据集》《Windows版YOLOv4-Tiny目标检测实战:训练自己的数据集》《Windows版YOLOv4目标检测实战:人脸口罩佩戴检测》《Windows版YOLOv4目标检测实战:中国交通标志识别》建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
PyCharm是一种很受欢迎的Python集成开发环境(IDE),它提供了许多强大的功能,方便开发者编写和调试Python代码。通过PyCharm,我们可以创建、编辑和运行Python项目,还可以使用其强大的调试工具帮助我们查找和修复代码错误。 而Qt5是一个流行的跨平台应用程序开发框架,它用于开发图形用户界面(GUI)和嵌入式系统。Qt提供了丰富的GUI控件和功能,使得开发者能够创建漂亮且功能丰富的应用程序。Qt的主要语言是C++,但它也提供了Python绑定,可以在Python中使用Qt开发应用程序。 YOLOv8是一个有名的实时目标检测算法,它是YOLO(You Only Look Once)系列算法的最新版本。YOLOv8使用深度学习模型,可以在图像或视频中实时检测多个目标,并输出它们的位置和类别。这使得它在很多应用领域都有广泛的应用,如智能安防、自动驾驶等。 结合起来,如果你想用PyCharm和Qt5来开发一个基于YOLOv8的应用程序,你可以使用PyCharm作为开发环境,来创建和编辑你的Python代码。你可以使用Qt5来创建应用程序的界面,并集成YOLOv8模型来实现目标检测功能。PyCharm的调试工具可以帮助你调试和优化你的代码,而Qt的GUI控件和功能可以让你的应用程序具有更好的用户界面和交互性。 使用PyCharm和Qt5开发YOLOv8应用程序可以帮助你更高效地进行开发,并且能够快速迭代和测试你的代码。这样你就可以更好地利用YOLOv8算法,并将其应用于实际生产环境中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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