yolov2 linux windows,WIN10+YOLOv4，windows上完美执行YOLOv4目标检测

实验室大佬在Ubuntu16.04上轻松实现，我也来个Win10版的~

先上一张成功检测的结果图：

正文开始

1 软件安装

我的软件环境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2

硬件环境：GTX2080Ti ×2，80G内存

1.1 下载安装NVIDIA显卡驱动

设备管理器查看自己电脑的显卡型号，然后进入NVIDIA驱动下载，下载对应硬件的驱动版本。安装好后，把

C:\Program Files\NVIDIA Corporation\NVSMI

添加到环境变量的path中，然后CMD中输入：

nvidia-smi

如果显示下图内容，证明驱动安装成功：

1.2 下载安装CUDA

CUDA官网已到11.0版本，我建议用10.2版本。

传送门：各个版本的CUDA下载

点击

CUDA Toolkit 10.2 (Nov 2019)下载

建议默认路径安装。

安装时勾选Visual Studio Integration

安装后配置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和 CUDA_PATH_V10_2两个环境变量。

接下来，还要在系统中添加以下几个环境变量(默认安装路径):

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然后，在系统变量 Path 的末尾添加： %CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

再添加如下5条(默认安装路径)：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

CUDA测试——CMD执行：

nvcc -V

1.3 下载安装cuDNN

cuDNN官方下载地址

需要登录账号

点击Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2

没有账号可以在我的百度网盘下载，提取码是：lk48

cuDNN下载好后直接将其解开压缩包，然后需要将bin,include,lib中的文件分别复制粘贴到CUDA相对应的文件夹下

1.4 下载安装OpenCV

OpenCV官网下载3.4.2版本(一般不高于4.0即可)

下载后运行exe文件(解压)到相应目录下：

C:\Program Files (x86)\opencv

在系统变量 Path 的末尾添加：

C:\Program Files (x86)\opencv\build\x64\vc15\bin

1.5 下载安装VS2019

进入VS官网下载社区版

走流程安装即可

2 配置YOLOv4环境

我们已经实现了准备工作：win10+CUDA10.2+cuDNN7.6.5+VS2019+OpenCV3.4.2

2.1 下载YOLOv4

YOLOv4官方网址下载

下载到本地，解压。我将darknet-master重命名为darknet，保存至D盘

2.1 复制OpenCV文件

将文件夹

C:\Program Files (x86)\opencv\build\x64\vc15\bin的两个dll文件： opencv_ffmpeg340_64.dll和opencv_world340.dll复制到

D:\darknet\build\darknet\x64

2.2 VS2019项目配置

用VS2019打开D:\darknet\build\darknet下darknet.sln文件

有可能VS2019要走一下如下流程：

重启电脑。

右键对darknet.sln进行配置：

1.选择release和x64

2.项目 ->属性 注意同样应选release和x64，同时检查注意检查Windows SDK版本和平台工具集

3.修改包含目录和库目录

添加opencv3.4的包含目录和库目录(按照自己的opencv3.4的路径)

包含目录：

C:\Program Files (x86)\opencv\build\include

C:\Program Files (x86)\opencv\build\include\opencv

C:\Program Files (x86)\opencv\build\include\opencv2

库目录：

C:\Program Files (x86)\opencv\build\x64\vc14\lib

4.附加依赖项

添加附加依赖项(按照自己的opencv3.4的路径)

C:\Program Files (x86)\opencv\build\x64\vc14\lib\opencv_world340.lib

需要添加的是opencv_world342.lib

2.3 修改darknet.vcxproj

D:\darknet\build\darknet下，右键，可以txt打开

ctrl+f搜索 10.0 全部改成 10.2 (因为我们的CUDA版本是10.2)

2.4 拷贝CUDA文件

1.将NVIDIA CUDA的安装程序(.exe文件)数据解压到一个指定文件夹中(最好是新建一个文件夹CUDA，解压后会出现很多文件，这样方便查找)

2.将第一个路径下的文件直接拷贝到第二个路径下的文件夹中

D:\CUDA\VisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions

C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations

2.5 下载YOLOv4预训练权重文件

直接点击我的百度网盘进行下载，提取码是：0sti

下载后拷贝到

D:\darknet\build\darknet\x64

3 目标检测

以上已经完成了所有环境的配置，可以使用yolov4.weights实现目标检测了，方法如下：

在D:\darknet\build\darknet\x64\ 目录下CMD执行：

darknet.exe detector test cfg\coco.data cfg\yolov4.cfg yolov4.weights data\dog.jpg

对图像进行目标检测；

CMD执行：

darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights data\001.mp4

对视频进行目标检测。

其中，待检测的图片或者视频放在以下路径：

D:\darknet\build\darknet\x64\data