封装yolo-windows为动态链接库

最新推荐文章于 2024-06-06 20:40:19 发布
置顶 最新推荐文章于 2024-06-06 20:40:19 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
03-05
封装yolo-windows为动态链接库-附件资源
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
搞定系列：yolov7目标检测封装成类调用
04-02
本课程主要核心是将yolov7框架封装成一个类，方便调用或者集成开发以及集成部署。通过本课程您将收获一下知识：（1）了解yolov7框架检测基本流程；（2）掌握目标检测封装类大体思路；（3）学会yolov7封装函数以测试；（4）学会利用封装类模块，进行API调用。本课程优点：（1）去掉课程无关的讲解，直击课程核心出发点，避免花费更多时间学习自己已经掌握知识，而着重掌握封装本质上来；（2）提供代码讲解和API示例，让同学们更快获取本课程核心内容；（3）课程简洁，重点课程重点讲解。学习本课程之前您需要准备的是（本课程不提供讲解）：（1）您需要提前搭建好自己yolov7环境，建议使用Anaconda3搭建；（2）您需要保证自己的环境正常运行，比如可以预测图片或者视频（3）您需要准备官方提供模型或者自己训练的模型本课程环境为windows10，您也可以在linux上操作，但需要一个带一块英伟达显卡。
使用C++实现YOLO图像分类：从环境搭建到性能评估的完整指南
最新发布
忆_恒心的博客
06-06 805
随着YOLO技术的迅速发展，使用**Python进行yolo部署变得相对简单**。然而，在实际的业务场景中，我们往往需要利用C++进行高效调用。因此，本文将重点介绍如何使用**C++实现YOLO进行图像分类**，并提供相关的示例代码和资源，帮助您在自己的项目中灵活应用YOLO。
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。
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 4368
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。
8.5.tensorRT高级(3)封装系列-基于生产者消费者实现的yolov5封装
周同学的博客
08-20 713
8.5.tensorRT高级(3)封装系列-基于生产者消费者实现的yolov5封装
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...
python yolov5的封装
Christo的博客
09-02 1940
python yolov5封装
实现YOLOv5封装成函数以供其他程序进行调用
MMMMMMNONG的博客
09-19 1055
将YOLOv5封装成一个函数，只用两行代码实现调用。可实现在树莓派/NVIDIA Jetson进行迅速部署。
yolov5封装成dll
06-11
yolov5封装成dll的.cpp和.h文件
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。
yolo-windows-master
11-21
yolo-windows-master封装的源码
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
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 ......
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
yolov5 libtorch部署，封装dll，python/c++调用
liguandong
04-12 2173
libtorch的yolov5部署
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。

“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 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