封装yolo-windows为动态链接库

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

  • 7
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 59
    评论
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 在命令行中使用以下命令克隆YOLO-Fastest V2的代码: ``` git clone https://github.com/dog-qiuqiu/Yolo-Fastest.git ``` 4. 安装依赖 进入代码目录,使用以下命令安装依赖: ``` 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目录中。 6. 修改配置文件 在代码目录中,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

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