darknet编译测试yolov4

由于都是AlexeyAB大神的杰作，在使用上与YOLOv3使用过程几乎相同，因此，使用起来较为熟悉。

目录

1. 编译测试

1.1 下载

1.2 编译

1.3. 测试

---

1. 编译测试

1.1 下载

git clone https://github.com/AlexeyAB/darknet.git

1.2 编译

1.2.1 如果只用CPU测试，没有安装CUDA和Cudnn，直接编译即可。

cd darknet
make

1.2.2 如果使用GPU，需修改darknet下的Makefile文件

#修改如下
GPU=1 #使用GPU
CUDNN=1 #使用GPU
CUDNN_HALF=1 #构建Tensor核心（在Titan V / Tesla V100 / DGX-2及更高版本上）加速检测3x，训练2x
OPENCV=1 #使用OpenCV 3.x / 2.4.x构建 - 允许检测来自网络摄像机或网络摄像头的视频文件和视频流，若单独安装了opencv（不是python里pip安装的opencv）的话，可将OPENCV=0改为1，使用的时候会自动将图片show出来。
AVX=0 #加速CPU
OPENMP=0 #加速CPU
LIBSO=1 #构建使用此库的库darknet.so和二进制可运行文件uselib
ZED_CAMERA=0 #set ZED_CAMERA=1 to enable ZED SDK 3.0 and above
ZED_CAMERA_v2_8=0 #set ZED_CAMERA_v2_8=1 to enable ZED SDK 2.X

#然后编译
cd darknet
make(make -j8)

1.3. 测试

尝试执行

./darknet

输出以下结果即为安装成功

usage: ./darknet <function>

下载开源权重，地址：yolov4.weights

测试

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

结果

参考链接：

https://www.cnblogs.com/monologuesmw/p/13035442.html

https://segmentfault.com/a/1190000022539087

https://zhuanlan.zhihu.com/p/340025123