Windows10+cuda11.0+Opencv3.4.0+yolov4+darknet环境下的物体检测

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Release OpenCV 3.4.0 · opencv/opencv · GitHub
本来下载了exe文件，但运行不了，瞎搞一通，结果后面发现exe文件安装不了是因为电脑开了杀毒软件，拦截了。
菜鸡路过。
成功安装。

二、darknet安装配置

首先，我用的是校园网，结果，emm…进去不了githua
(4条消息) github进不去解决办法_不积跬步，无以至千里！-CSDN博客_github进不去怎么办
好吧，好像还是不行。直接连热点吧
GitHub - AlexeyAB/darknet下载链接

有两种配置方法：

• 利用cmake（操作简单，要多下载一个东西）
• 在vs2017直接配置（操作复杂一丢丢）

利用cmake编译darknet失败，版本太低，要3.18以上，重新下载，放弃这个方法了。 感兴趣可以参考这个链接https://blog.csdn.net/amusi1994/article/details/76768775?locationNum=10&fps=1

下面主要根据csm同学的经验进行了配置
darknet+yolov4 做物体识别(GPU)_andy dennis的博客-CSDN博客
1、【项目】-【项目属性】-【VC++目录】-【包含目录】”：添加

2、【项目】-【项目属性】-【VC++目录】-【库目录】：添加

3、【项目】-【项目属性】-【链接器】-【输入】-【附加依赖项】：添加opencv_world340.lib
(这是release版本的，debug版本就添加opencv_world340d.lib)

4、确认版本一致：

5、“生成-生成darknet”
MSB3721错误：这里的解决方案是去查看一些cpu的算力，然后再把算力值乘以10，结果作为“项目-项目属性-CUDA C/C+±Decice-Code Generation”的修改值。

查看算力：第一步里cd进入cuda的目录里，我一开始找不到，因为大部分人放在C盘，我因为内存容量原因放D盘了，所以不知道的可以直接搜索“demo_suite”找到所在目录。

修改：原来是computer_86,cm_86

成功了哈哈哈

6、测试darknet(主要参考下面这篇文章)
windows下darknet之yolo(gpu版本）安装 - 知乎 (zhihu.com)
从https://pjreddie.com/media/files/yolov3.weights下载了yolov3.weights，把它放到darknet.exe所在文件夹里，然后在cmd中运行代码，最终结果如下：

三、数据准备（以下主要参考gyl同学的经验）

1、给数据做标记——vott
准备好数据集“gun_sword_data”，打开vott（一个标记数据的工具，这里下载 是1.7版本的vott-win.exe，下载链接
下载完直接运行exe文件，按照指引完成安装。
【file】-【Open Image Directory…】，打开的文件就是数据集图片所在的目录。
然后，加入要做的标记，这里是gun和sword

给gun和sword做标记（框框尽可能贴近）

结果导出格式为yolo，保存至自动生成的images_output中，images是原来存放图片的。

每张图片都对应了一个txt

2、把“\images_output\data”目录下的所有文件复制到”\build\darknet\x64\data“中

四、模型准备

1、下载yolov4-tiny.conv.29
https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.conv.29
把下载好的文件放到\build\darknet\x64目录下
2、在buil