Win10上使用Darknet框架测试YOLOv4识别

1、安装CUDA 

敲击键盘Windows+R键打开运行，输入CMD回车，启动命令提示符界面
输入：nvidia-smi，回车

自己电脑上显示的是什么版本就下载什么版本，cuda toolkit下载列表链接

下载安装就可以了。

2、
安装CUDNN

与CUDA版本对应和Window版本就可以

3. 复制CUDNN文件到CUDA

将CUDNN压缩包下载完成之后解压出来，里面有三个文件夹。将这三个文件夹复制到CUDA目录内C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2

 4.下载darknet、cmake、opencv

（1）下载地址：https://github.com/AlexeyAB/darknet，下载并解压

（2）OpenCV(4.9.0)下载地址：Releases - OpenCV，下载并解压

（3）CMake(3.30.2)下载地址： Download CMake，下载并安装

5.配置OpenCV环境变量

第一步是在用户变量的Path添加opencv\build路径(安装OpenCV时会自动添加,有的话就不用添加了)

第二步是在系统变量中添加OpenCV_DIR变量：C:\Users\wslng\Downloads\opencv\build\x64\vc16\lib

6.编辑darknet下的Makefile

开启GPU加速

7.配置CMake

注意不要选错VS版本了，Visual Studio 15 2017与Visual Studio 17 2022容易混

点击Finish开始配置 ，再点击【Generate】

点击【Open Project】,切换到【Release】【x64】,然后生成解决方案

 8.

(1).将生成目录下的build2\Release\darknet.exe复制到源文件目录darknet-master\build\darknet\x64

(2).下载yolov4.weights权值文件到darknet-master\build\darknet\x64文件夹下

(3).将opencv\build\x64\vc16\bin下的所有文件复制到darknet-master\build\darknet\x64文件夹下

（4）在darknet-master\build\darknet\x64目录下打开命令行，输入测试命令

.\darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25

提示输入图片路径

测试结果

测试data文件夹视频xxx.mp4

.\darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4

测试本地摄像头视频

.\darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0

测试网络视频

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights http://192.168.0.80:8080/video?dummy=param.mjpg