YOLOv4

YOLO v4 真的来了,从论文上看，使用了很多trick使性能和精度都得到了提升，所以赶紧动手试试。

YOLO v4 论文：https://arxiv.org/abs/2004.10934

YOLO v4 开源代码：https://github.com/AlexeyAB/darknet

笔者提供YOLO v4 和YOLO4 weight网盘下载。

YOLO v4:https://pan.baidu.com/s/1iG8kOR_tdf6OD30ogxn3Vw
提取码：7wgb
YOLO4 weight：https://pan.baidu.com/s/14ptVj2U-000MoyIIS8Xl9A
提取码：ipiy

环境要求

由于各个组件，更新太快，为了保证时效性，尽量使用最新的版本来编译。

Windows or Linux
（笔者使用3.17.1）CMake >= 3.8 for modern CUDA support: https://cmake.org/download/
（笔者使用10.1）CUDA 10.0: https://developer.nvidia.com/cuda-toolkit-archive
(on Linux do Post-installation Actions)
（笔者使用3.4.0）OpenCV >= 2.4: use your preferred package manager (brew, apt), build from source using vcpkg or download from OpenCV official site (on Windows set system variable OpenCV_DIR = C:\opencv\build - where are the include and x64 folders image)
经测试OpenCV4.1.1不兼容
（笔者使用7.5.0）cuDNN >= 7.0 for CUDA 10.0 https://developer.nvidia.com/rdp/cudnn-archive
GPU with CC >= 3.0: https://en.wikipedia.org/wiki/CUDA#GPUs_supported
on Linux GCC or Clang, on Windows MSVC 2015/2017/2019 https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community

编译过程

打开Cmake-gui，选择好源码目录，和build目录，和自己对应的VS版本。

官方给出的配置图：

点击完成后，会生成配置文件。（当然，能够一次性顺利生成是很难的，大部分都是环境配置的问题，按照笔者的配置，基本问题不大）
使用VS 2015打开build目录里的darknet.sln.

将Debug改成Release，右键ALL_BUILD选择生成，即可在build文件夹下的Release下找到生成的darknet.exe.

运行实例（检测图片）

使用生成的darknet.exe并加载初始权重文件yolo4.weights来测试实例图片。

问题1：This application failed to start because it could not find or load the Qt platform plugin “windows” in “”
解决1：环境变量中需要设置QT_QPA_PLATFORM_PLUGIN_PATH变量为pyqt5的插件目录，笔者的目录为D:\Anaconda3\Lib\site-packages\PyQt5\Qt\plugins\platforms
目测是需要qwindows.dll
解决2：OpenCV版本不匹配，更改OpenCV版本即可（笔者是从OpenCV4.1.1降至3.4.0）

如遇其他问题，可去github的issue上查询。

预告

下一步更新，训练自己的训练集。