封装yolo-windows为动态链接库

最新推荐文章于 2024-06-07 01:53:59 发布
置顶 最新推荐文章于 2024-06-07 01:53:59 发布
阅读量1.7w 收藏 46
点赞数 7
分类专栏： 目标检测 yolo windows darknet
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/sinat_30071459/article/details/53161113
版权

因为yolo的源码是c语言写的，所以移植到windows下还不算很难，就是要修改的地方比较多，后来在github上找到别人修改好的代码：

在此基础上做了一些修改，并将代码封装成了动态库。主要的修改为：opencv更换为2.4.10版本；标签从txt文件中读取并且可以是中文（注意编码ANSI）；每次测试一个文件夹。

（1）GPU+OPENCV版本

其中，CUDA版本为7.5，Opencv版本为2.4.10，配置好CUDA和Opencv后，打开项目即可运行（VS2013）。

封装好的代码下载地址：

链接：http://pan.baidu.com/s/1jIa2WWu 密码：a8al  （文件中带测试模型，所以比较大）

GPU（我的显卡是GTX970）版本处理每张图片约0.05s，效果如下：



（2）CPU+OPE

最低0.47元/天 解锁文章
小咸鱼_
关注
  • 7
    点赞
  • 踩
  • 46
    收藏
    觉得还不错? 一键收藏
  • 59
    评论
专栏目录
封装yolo-windows为动态链接库-附件资源
03-02
封装yolo-windows为动态链接库-附件资源
Yolo的搭建和在Windows下封装以及工程应用
xjz18298268521的博客
03-13 1万+
概述 　　最近一直在研究基于深度学习的目标检测这一块，之前用过faster_rcnn和R-FCN，相对来说检测的准确率应该是可以的，但是实际的检测速度还是很不理想的，考虑实际工程的需求，所以后来想着用yolo来做目标检测，经过测试发现yolo确实是在检测速度上有很大的提高，但是调试了源码发现只是yolo的底层检测函数是满足实时的要求，而它基于视频的目标检测的demo我测试了一下大概是16FPS左右
YOLOv3 深入解析：使用C++实现目标检测
最新发布
m0_57781768的博客
06-07 997
YOLO（You Only Look Once）系列算法是Redmon等人在2016年提出的一种新型目标检测方法。与传统的R-CNN系列方法相比，YOLO采用了全卷积神经网络（Fully Convolutional Neural Network），将目标检测问题转化为回归问题，只需一次前向传播即可完成对图像的检测和分类任务。YOLOv3是该系列的第三个版本，在精度和速度上都进行了优化和改进。
yolov5封装成dll
06-11
yolov5封装成dll的.cpp和.h文件
C#语言对 YOLOv4 目标检测算法封装
03-26
借鉴大神代码 写了个dome采用C#语言对 YOLOv4 目标检测算法封装，将模型在实际应用系统中落地，实现模型在线远程调用 。希望对大家有所帮助
YOLO动态链接库的编译和使用 - weixinhum - CSDN博客.pdf
09-24
YOLO动态链接库的编译和使用 - weixinhum - CSDN博客,YOLO动态链接库的编译和使用 - weixinhum - CSDN博客,YOLO动态链接库的编译和使用 - weixinhum - CSDN博客
WIN_YOLO.rar
11-29
在Windows环境下，C++调用DLL（动态链接库）是一种常见的程序设计方式，它允许我们将功能模块封装在单独的库文件中，然后在需要的时候被主程序加载和使用。在这个项目中，可能有一个专门用于处理YOLO检测逻辑的DLL...
YOLOv8测试3：在Python中将YOLOv8模型封装成API接口使用（上传测试图片并返回识别结果，附测试代码）
默默找寻着，那于世而存的蛛丝马迹。
04-04 4770
本文在Python中将YOLOv8模型封装成API接口进行使用，通过调用封装好的API接口来实现自定义测试图片的上传，并返回识别结果。识别结果有两种：一种是完成识别后的图片；另一种是识别目标的类型，以及它们在图片中的坐标、大小，以文本形式返回。
FastAPI封装YOLO目标检测模型
11-26
使用fastAPI对Opencv调用YOLO检测模型的过程进行封装，实现通过调用借口直接获取检测结果。
python yolov5的封装
Christo的博客
09-02 1949
python yolov5封装
xyolo:一个高度封装的yolov3类库
05-30
xyolo xyolo是一个Python实现的、高度封装的YOLO v3类库。 借助xyolo，您可以只使用几行Python代码轻松完成yolo3目标检测任务的训练和调用。 xyolo is a highly encapsulated YOLO v3 library implemented in Python. With xyolo, you can easily complete the training and calling of the yolo3 target detection task with just a few lines of Python code. 请注意： 我使用的Python是Anaconda的Python 3.7发行版本，在shell里面进行了初始化(python和pip默认指向当前激活环境，而不是默认的python2)，所以文章中的python和pip请根
vs2015下使用动态链接库调用YOLOv3
03-07
从零开始在win10+vs2015上运行YOLOv3,记得在x64 debug下运行，相关文件需要另外准备，压缩包内的截图里面有完整路径。参考博文：https://blog.csdn.net/qq_22199831/article/details/104713533
封装 YoloV5 detect.py 成 Python 库以供 python 程序使用
Kuang Da's Blog
02-17 4597
从 `whl` 文件夹或者从`Release`下载 `yolo_detectAPI-5.7-py3-none-any.whl` ，在下载目录内进入 Terminal 并切换至你要安装的 Python 环境。输入下面的命令安装 Python 库。这里需要注意，Python 环境需要 3.8 及以上版本才能使用。
从零开始完成Yolov5目标识别（四）封装一个跨设备的YOLOv5检测软件
WZT725的博客
03-21 4958
在另一台设备上实现不搭环境的YOLOv5检测！
yolov5部署之dll封装并调用的方法
热门推荐
Christo的博客
04-01 2万+
文章目录前言1. VS2015新建一个dll项目 前言 前面讲过yolov5的环境配置，源码测试，以及使用TensorRT进行推理加速，但是有时候为了让模型部署在移动端，需要将模型封装成一个动态链接库dll，从而再任意的移动端无需配置环境即可运行，并且通过读取dll方便软件的其他模块进行调用。 1. VS2015新建一个dll项目 ......
yolov3 ros封装
拔萝卜的小白TWO的博客
04-27 495
yolov3 ros封装 先学习一下如何进行封装的，后期，将更好的检测方法也进行封装。 1、【YOLOv3训练以及ROS封装】
搞定系列:yolov5目标检测封装成类调用
12-01
本课程主要教会大家如何将yolov5调用模型detect.py代码抽取出来封装成一个类别，然后我们通过简单几句调用就可以实现yolov5检测目标，这样我们会很方便将yolov5框架集成到其他模块中，比如我们搭建pyqt5做界面，然后用这个封装的类进行检测，以及后续科研任务等十分方便我们的二次开发和使用。
yolo-windows检测高分辨率图像及封装应用
weixin_34194087的博客
11-19 1099
YOLO训练自己的数据集的一些心得 封装yolo-windows为动态链接库 yolo-windows源码 项目开源代码：LargeImageDetect-yolo-windows 由于项目需要，需要将yolo移植到windows下并进行封装并自动测试，遇到的主要问题如下： 1.yolo测试的图片一般不会太大，基本为468*468，或者512*512，项目中需要检测的图片分...
windows10部署yolo-fastest v2
04-04
作为AI助手，我需要提醒您，YOLO-Fastest V2是一个深度学习模型，需要GPU进行训练和推理。如果您没有GPU，那么您需要使用云计算服务来部署模型。 以下是在Windows 10上部署YOLO-Fastest V2的步骤： 1. 安装Anaconda 在Windows 10上安装Anaconda，可以使用Anaconda Navigator来管理Python环境和包。 2. 安装CUDA和cuDNN YOLO-Fastest V2需要CUDA和cuDNN来加速深度学习训练和推理。您可以从NVIDIA官网下载适合您的版本。 3. 克隆YOLO-Fastest V2的代码库 在命令行中使用以下命令克隆YOLO-Fastest V2的代码库： ``` git clone https://github.com/dog-qiuqiu/Yolo-Fastest.git ``` 4. 安装依赖库 进入代码库目录，使用以下命令安装依赖库： ``` pip install -r requirements.txt ``` 5. 下载预训练权重文件 在YOLO-Fastest V2的GitHub页面中，您可以找到预训练权重文件的下载链接。将下载的权重文件保存到代码库目录中。 6. 修改配置文件 在代码库目录中，将`yolo_fastest.py`文件中的`model_path`和`anchors_path`变量修改为您下载的预训练权重文件和锚点文件的路径。 7. 运行YOLO-Fastest V2 在命令行中使用以下命令运行YOLO-Fastest V2： ``` python yolo_fastest.py ``` 8. 测试YOLO-Fastest V2 在运行YOLO-Fastest V2后，您可以使用摄像头或视频来测试模型的效果。按下“q”键退出测试。 以上就是在Windows 10上部署YOLO-Fastest V2的步骤。如果您遇到任何问题，请参考YOLO-Fastest V2的GitHub页面或咨询相关专业人员。
评论 59
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