ubuntu 使用yolov3 yolo-tiny-v3 基于cudnn 7.1 + cuda 9.1 + opencv 3.4.0 以及yolo数据集制作

最新推荐文章于 2024-08-05 18:41:17 发布
最新推荐文章于 2024-08-05 18:41:17 发布
阅读量5.1k 收藏 4
点赞数 2
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/weixin_42230524/article/details/80352412
版权
本文详细介绍了如何在Ubuntu系统上，使用GTX1070显卡搭建YOLOv3和YOLO-tiny-v3的运行环境，包括CUDA 9.1的安装，cuDNN 7.1的下载，OpenCV 3.4.0的源代码安装，以及数据集的制作和训练过程。过程中特别提到了避免驱动问题的方法，以及训练模型时配置文件的调整。
摘要由CSDN通过智能技术生成

1.我在Ubuntu官网上直接下载并安装ubuntu ，显卡使用的gtx1070

2.在nvidia官网家上下载cuda9.1 runtime ubuntu16.04版本

3.下载cudnn7.1 (需要注册)

4.在opencv官网上下载opencv3.4.0 源代码

5.在nvidia官网上下载最新版本的驱动（使用cuda的驱动需要降低内核版本，而我在测试阶段降低内核版本后由于网卡驱动的不兼容断网，所以懒得折腾了就直接使用nvidia官网上的驱动，而如果使用ubuntu addintional driver中的驱动会造成版本的不支持，也懒得折腾索性直接用官网的驱动）

安装过程：1.由于yolo不需要opencv对python的支持，所以不折腾opencv对python的支持安装，直接无脑根据官网的安装方式装，装依赖，然后cmake，make，make install就折腾完了

               2.安装cuda，根据cuda Document中的要求关闭和图形界面有关的所有东西（注：sudo service lightdm stop关闭图形界面），选择的时候不安装驱动，其他的全部yes就行了

               3.安装驱动，一样需要关闭图形界面，省的出奇奇怪怪的问题。sh run就行了。

               4.安装yolo，用github上https://github.com/pjreddie/darknet.git下载源代码，修改Makefile文件opencv，cudnn，cuda=1，然后make就行了。

6.数据集的制作：

6.1 使用ht

最低0.47元/天 解锁文章
φ
关注
yolov4-tiny+ncnn+int8模型量化推理
qq_41920323的博客
03-22 405
yolov4-tiny的ncnn的int8量化教程，从环境配置到部署
Windows 7下Yolo安装实践（VS2015+Cuda 9.0+cuDNN 7.3+opencv 3.4.3）
sss_phlight的博客
10-04 1448
我的相关博客： 《Windows 7+Visual Studio 2015下Cuda 9.0、cuDNN 7.3安装》 在之前实践vs版MTCNN失败后，便继续试一试Yolo。 本机环境：笔记本、GTX970M的GPU、windows 7、VS2015、Cuda 9.0+cuDNN 7.3。 官方github中的README给出的环境要求如下： both OpenCV 2.x.x and...
神经网络—yolov3Tiny的cfg和权重文件
10-04
yolov3Tiny的cfg配置文件以及weights文件，测试帧数达到40+，精度高
OPENCV 上跑通YOLOV3
ailianda的博客
08-31 3142
运行环境 笔记本 CPU-i5 处理器 Ubuntu16.04 OPENCV3.4.2 Python3.5 参考： https://pjreddie.com/darknet/yolo/ 论文题目：YOLOv3: An Incremental Improvement （Joseph Redmon, Ali Farhadi，University of Washington） 注：本测...
目标检测 | yolov3 原理和介绍
hhl_work的博客
08-05 1260
YOLOv3 擅于预测出合适的目标，但无法预测出非常精准的边界框。YOLOv3 小目标预测能力提升，但中大目标的预测反而相对较差。若将速度考量进来，YOLOv3 整体来说表现非常出色。YOLOv3在小目标\密集目标的改进1.grid cell个数增加，YOLOv1（7×7），YOLOv2（13×13），YOLOv3（13×13+26×26+52×52）2.YOLOv2和YOLOv3可以输入任意大小的图片，输入图片越大，产生的grid cell越多，产生的预测框也就越多。
yolov3+opencv
爱CV
04-25 3443
权重和cfg文件晚上挺多的，不在上传了。 代码如下： // This code is written at BigVision LLC. It is based on the OpenCV project. //It is subject to the license terms in the LICENSE file found in this distribution and at ...
使用opencv调用yolov3识别
AIOT魔法师
10-07 1711
opencv支持多种开发语言，其中的DNN模块可以调用许多深度学习模型，本文讲述的是在python环境下如何使用opencv调用yolov3，同样可修改识别类文件，将训练好的权重替换就可以实现调用自己的模型。 ...
tiny-yolo.pb
06-20
利用darkflow将yolov2的权重文件转换为tensorflow的pb模型文件，包括yolo.pb以及yolo.meta两个文件。
Windows10+cuda11.0+Opencv3.4.0+yolov4+darknet环境下的物体检测
weixin_43325374的博客
07-02 1520
任务分析 首先让我们明确一下本次的任务：用 gun/sword 数据集训练你的物体检测模型，并对数据集中的验证集进行检测，计算出 mAP。 然后，大致了解一下需要完成的环境配置。看了一下，本次任务是由Windows10 + VS + OpenCV+yolo+darknet一起完成的，还得下载标记工具vott和目标检测指标mAP。 下面开始操作。 附：电脑已提前安装好cudu,版本为11.0，具体如下： 一、 下载opencv3.4.0版本 这个版本是恰到好处的。 Releases - OpenCV 或R
darknet-yolov3环境配置、编译、训练和测试完整记录(Win10 + CUDA10 + VS2017)
ywueoei的博客
04-22 3541
1. 环境与依赖配置 操作系统：windows10; 依赖： (1).VS2017 CUDA8.0之后的版本支持VS2017。darknet是使用VS2015编译的，官网提供的编译教程也是基于VS2015的，但VS都是向下兼容的，安装相应版本的平台工具集即可。 (2).CUDA10.0（推荐Installer type为network） (3).cudnnfor CUDA10....
yolov3 opencv教程
03-13
yolov3 opencv教程，支持C++和python。 主要是读入图像进行目标识别 文章地址：https://blog.csdn.net/LuohenYJ/article/details/88581335
yolov3_opencv实时检测
03-25
用QT写的yolov3运行程序，权重文件跟配置文件，class文件自己去github下载，这里只提供调用方法和头文件，dll、lib。 需要安装QT5.9.7 opencv3.4.0 cuda10 没有C++qt基础的建议别下了 浪费积分
Tiny-yolo预训练模型darknet.conv.weights
10-30
Tiny-yolo 预训练模型darknet.conv.weights做初始化，进行后期精调
用VS2015+opencv3.4.2+C++编写Yolov3目标检测算法
07-18
由于工程项目太大，所以里面是一个百度网盘分享，大家可以自行下载
yolov3+opencv3.4.2 C++源码
11-20
YOLO3 目标识别在OpenCV3.4.2中用C++实现。YOLO: Real-Time Object Detection,You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes images at 30 FPS and has a mAP of 57.9% on COCO test-dev.我用i7 8700K CPU跑，每张图片只需要160ms左右，速度还是蛮快的了。
opencv调用yolov3模型进行目标检测，以实例进行代码详解
月照银海似蛟龙的博客
05-21 1万+
weightsPath='E:\deep_learn\yolov3_modeFile\yolov3-voc_25000.weights'# 模型权重文件 configPath="E:\deep_learn\yolov3_modeFile\yolov3-voc.cfg"# 模型配置文件 labelsPath = "E:\\deep_learn\\yolov3_modeFile\\voc.names"...
OpenCV通过YOLOv3模型实现目标检测
geriletuma
07-04 1054
OpenCV中的深度学习模块（DNN）只提供了推理功能，不涉及模型的训练，支持多种深度学习框架，比如TensorFlow，Caffe,Torch和Darknet。opencv 无法训练模型，但它支持载入其他深度学习框架训练好的模型，并使用该模型进行预测 inference；opencv 在载入模型时会使用 dnn 模块对模型进行重写，使得模型运行效率更高。**轻量型：**DNN模块只实现了推理功能，代码量及编译运行开销远小于其他[深度学习模型框架。
深度学习（三）——tiny YOLO算法实现实时目标检测（tensorflow实现）
热门推荐
QQ704630835的博客
11-01 3万+
一、背景介绍 YOLO算法全称You Only Look Once，是Joseph Redmon等人于15年3月发表的一篇文章。本实验目标为实现YOLO算法，借鉴了一部分材料，最终实现了轻量级的简化版YOLO——tiny YOLO，其优势在于实现简单，目标检测迅速。 [1]文章链接：https://arxiv.org/abs/1506.02640 [2]YOLO官网链接：https://pj...
yolov3-tiny训练自己的数据集
最新发布
09-01
YOLOv3-tiny是一种轻量级的实时对象检测模型，它是YOLO（You Only Look Once）系列的简化版本，主要用于加速对象检测的过程，同时牺牲一些准确性。要使用YOLOv3-tiny训练自己的数据集，你需要遵循以下步骤： 1. 数据准备：首先你需要收集并准备自己的数据集。通常需要将图片和标注信息组织好，标注信息通常以XML或JSON格式提供，里面包含了每张图片中对象的位置和类别信息。 2. 数据预处理：将数据集划分为训练集、验证集和测试集。接着，需要对图片进行预处理，如调整图片大小以符合模型输入的要求，以及对标注文件进行转换，使其与YOLO格式兼容。 3. 修改配置文件：YOLOv3-tiny使用cfg文件定义网络结构和训练参数。你需要根据自己的数据集情况修改相应的配置文件，如类别数、过滤器数等，并指定训练数据集的路径和标注文件的格式。 4. 训练模型：使用Darknet框架或其他支持YOLOv3-tiny的深度学习框架进行模型训练。你可以调整超参数来优化训练过程，比如学习率、批量大小、优化器等。 5. 模型评估：训练完成后，用验证集评估模型性能，调整模型直到达到满意的准确率。 6. 模型部署：最后，将训练好的模型部署到应用中进行实时对象检测。
评论 1
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