最近新出了YOLOV4，我係統的從V1開始整理出稿，傳送門：
【YOLOv1原文+翻譯】You Only Look Once Unified, Real-Time Object Detection
【YOLOv2原文+翻譯】YOLO9000: Better, Faster, Stronger
【YOLOv3原文+翻譯】YOLOv3：An Incremental Improvement
【YOLOv4原文+翻譯】YOLOv4：Optimal Speed and Accuracy of Object Detection

python

實驗室大佬在Ubuntu16.04上輕鬆實現，我也來個Win10版的~
先上一張成功檢測的結果圖：

git

正文開始github

1 軟件安裝

個人軟件環境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2
硬件環境：GTX2080Ti ×2，80G內存
工具

1.1 下載安裝NVIDIA顯卡驅動

設備管理器查看本身電腦的顯卡型號，而後進入NVIDIA驅動下載，下載對應硬件的驅動版本。安裝好後，把測試

C:\Program Files\NVIDIA Corporation\NVSMI

添加到環境變量的path中，而後CMD中輸入：ui

nvidia-smi

若是顯示下圖內容，證實驅動安裝成功：

spa

1.2 下載安裝CUDA

CUDA官網已到11.0版本，我建議用10.2版本。
傳送門：各個版本的CUDA下載
點擊
CUDA Toolkit 10.2 (Nov 2019)下載
建議默認路徑安裝。
安裝時勾選Visual Studio Integration

.net

安裝後配置環境變量
計算機上點右鍵，打開屬性->高級系統設置->環境變量，能夠看到系統中多了CUDA_PATH和 CUDA_PATH_V10_2兩個環境變量。
翻譯

接下來，還要在系統中添加如下幾個環境變量（默認安裝路徑）:
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

3d

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

而後，在系統變量 Path 的末尾添加： %CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

再添加以下5條（默認安裝路徑）：

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測試——CMD執行：

nvcc -V

1.3 下載安裝cuDNN

cuDNN官方下載地址
須要登陸帳號
點擊Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2

沒有帳號能夠在個人百度網盤下載，提取碼是：lk48

cuDNN下載好後直接將其解開壓縮包，而後須要將bin,include,lib中的文件分別複製粘貼到CUDA相對應的文件夾下

1.4 下載安裝OpenCV

OpenCV官網下載3.4.2版本（通常不高於4.0便可）

下載後運行exe文件（解壓）到相應目錄下：
C:\Program Files (x86)\opencv
在系統變量 Path 的末尾添加：

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

1.5 下載安裝VS2019

進入VS官網下載社區版
走流程安裝便可

2 配置YOLOv4環境

咱們已經實現了準備工做：win10+CUDA10.2+cuDNN7.6.5+VS2019+OpenCV3.4.2

2.1 下載YOLOv4

YOLOv4官方網址下載

下載到本地，解壓。我將darknet-master重命名爲darknet，保存至D盤

2.1 複製OpenCV文件

將文件夾
C:\Program Files (x86)\opencv\build\x64\vc15\bin的兩個dll文件： opencv_ﬀmpeg340_64.dll和opencv_world340.dll複製到

D:\darknet\build\darknet\x64

2.2 VS2019項目配置

用VS2019打開D:\darknet\build\darknet下darknet.sln文件
有可能VS2019要走一下以下流程：

重啓電腦。
右鍵對darknet.sln進行配置：
1.選擇release和x64

2.項目 ->屬性注意一樣應選release和x64，同時檢查注意檢查Windows SDK版本和平臺工具集

3.修改包含目錄和庫目錄
添加opencv3.4的包含目錄和庫目錄（按照本身的opencv3.4的路徑）
包含目錄：

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

庫目錄：

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

4.附加依賴項
添加附加依賴項（按照本身的opencv3.4的路徑）

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

須要添加的是opencv_world342.lib

2.3 修改darknet.vcxproj

D:\darknet\build\darknet下，右鍵，能夠txt打開

ctrl+f搜索 10.0 所有改爲 10.2 （由於咱們的CUDA版本是10.2）

2.4 拷貝CUDA文件

1.將NVIDIA CUDA的安裝程序（.exe文件）數據解壓到一個指定文件夾中（最好是新建一個文件夾CUDA，解壓後會出現不少文件，這樣方便查找）
2.將第一個路徑下的文件直接拷貝到第二個路徑下的文件夾中

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

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

2.5 下載YOLOv4預訓練權重文件

直接點擊個人百度網盤進行下載，提取碼是：0sti

下載後拷貝到

D:\darknet\build\darknet\x64

3 目標檢測

以上已經完成了全部環境的配置，可使用yolov4.weights實現目標檢測了，方法以下：
在D:\darknet\build\darknet\x64\ 目錄下CMD執行：

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

對圖像進行目標檢測；
CMD執行：

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

對視頻進行目標檢測。

其中，待檢測的圖片或者視頻放在如下路徑：

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

WIN10+YOLOv4，windows上完美執行YOLOv4目標檢測