Jeston NX 学习笔记(二)欢迎咨询

深度学习Jeston NX 部署学习笔记(二)OPENCV安装和YOLOv4配置(欢迎咨询)

##YOLOv4环境搭建和运行测试
参考资料:

https://blog.csdn.net/qq_30287833/article/details/124651894#t4
2. https://editor.csdn.net/md/?articleId=128417022
3.https://blog.csdn.net/chichu261/article/details/84981412?
4.https://blog.csdn.net/linghu8812/article/details/100867702?

**

前言

在上一文中我们对简单历程进行了测试而Darknet是一个轻型的深度学习和训练框架,从这一点上,它和tensorflow以及pytorch这种没有什么不同,特点在轻型二字,它主要对卷集神经网络进行了底层实现,并且主要用于YOLO的目标检测,接下来我们需要搭建环境进行自主测试yolov4模型。**

一、OPENCV卸载与安装

相信不少小伙伴都已经发现了一个问题,那就是安装好环境之后发现允许yolov4的文件时,会出现darknet测试视频出现video-stream stopped Video isn’t exist or has wrong path. 真的可能是路径错了,视频文件的路径错了!!!!!!(巨坑)
而且在系统界面时opencv后面是,cuda:no 今天给大家解决这个疑惑,这个问题说明你的系统原生opencv不支持cuda,因此需要我们自己将其卸载并且重新安装编译opencv环境!(必须谨慎!!!)

参考连接:https://blog.csdn.net/weixin_45306341/article/details/127926178
按这篇文章的流程和下载方式还是不够的**(无恶意)**,只能说明在我自己编译时出现了问题,由于这个make j8时间较长(2-3小时左右)然后仍不成功,很容易击溃人的自信,因此我为大家有推荐了一篇文章,大家结合着来看
在这里插入图片描述
话接上文,在我自认为我编译过后就成功下载了opencv后即可运行yolov4文件,错!!!!!
出现了一个很头痛的问题:
解决error while loading shared libraries: libXXX.so.X: cannot open shared object file: No such file
这个问题困扰我几个小时,在csdn中的方法都是寻找缺失文件并复制,这些方法都是不正确的!!!!
只需要一行指令即可消失此错误。

sudo apt-get install libopencv-dev

避免大家走弯路而失去信心详情请看这篇文章

https://blog.csdn.net/linghu8812/article/details/100867702?spm=1001.2014.3001.5502

处理好我们系统的OPENCV之后我们可以开始对yolov4进行测试了。

二、 YOLOv4测试:

下载包和模型:


配置darknet环境


YOLO官方网址:https://pjreddie.com/darknet/yolo/

YOLOv4项目地址:https://github.com/AlexeyAB/darknet

下载darknet:

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

修改Makefile文件:

cd darknet
gedit Makefile
GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1

修改完Makefile之后,执行命令(在darket目录下):

make

下载 yolov4.weights 权重文件(在darket目录下):这里参考大佬链接

wget https://pjreddie.com/media/files/yolov4.weights
或者
链接:https://pan.baidu.com/s/16T8s4-SsjWuZSiS_J5TmHA 
提取码:6666 

修改Makefile以下几项:

GPU=1
CUDNN=1
CUDN_HALF=1
OPENCV=1
LIBSO=1
NVCC=/usr/local/cuda-10.2/bin/nvcc

在darknet-master文件夹下打开终端命令行,对进行编译 make,完成后就可以进行下面的测试了。

对图像进行检测:

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/horses.jpg

检测结果:图片效果十分不错!
在这里插入图片描述
对视频进行检测:

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights data/123.mp4

一定要注意路径问题阿!!!!不然仍会报错!!!
在这里插入图片描述
这是我检测的视频结果,还算满意(因为证明环境和opencv编译成功哦了)

对摄像头采集的数据进行检测:

./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights /dev/video2  # 加入了摄像头参数

video后面的数字是根据自己的设备来的,0或1或2,挨个试一试

检测结果:
在这里插入图片描述

在这里插入图片描述
换用yolov4-tiny进行测试

./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights /dev/video2

加入了摄像头参数

换用yolo-tiny后,输入为1920x1080时帧率几乎不变还是2.5fps,这部分我目前还挺好奇的。加入摄像头操参数后,输入为640x480后,帧率为30fps(可能受摄像头帧率的影响)

至此对yolov4的模型调试完毕,均可正常使用。

最后我想给一些初学者一点小tips:
学习的过程就是发现错误的一个过程,如果没有问题,不去解决,岂不是永远一劳永逸,发现问题的同时也不要专牛角尖,换一种思路想一想,换一种方法试一试,也许答案就出来了!!多种方法结合最后提炼属于自己的id!

目标在下一篇文章里介绍其他更新的模型在NX环境中,搭建环境,并给大家解决问题,如果大多小伙伴喜欢此系列的欢迎点赞收藏哦!

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
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

打赏作者

萌动的心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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