YOLO v2 在win10+GPU+VS2015下成功编译并演示

GitHub源码主页：https://github.com/AlexeyAB/darknet
最近在看YOLO v2这篇论文，并花了点时间配置了GPU版本，记录下过程吧。

配置环境：
Win10 64位
GPU：GTX 970
CUDA 8.0
cudnn: cudnn-8.0-windows10-x64-v5.0
VS2015
Openvc: 2.4.13

一、安装 VS2015
二、安装 CUDA8.0
注意这一步是有英伟达显卡的，如果没有请跳过。
下载地址：https://developer.nvidia.com/cuda-downloads
安装过程非常简单，默认安装，一直点下一步，直到安装完成。
三、下载cudnn
下载地址：https://developer.nvidia.com/rdp/cudnn-download，注册一下才能下载
cudnn 是英伟达的一个加速库，下载之后是一个压缩包，解压缩将目录下的 .\cuda\include\cudnn.h 和 .\cuda\lib\x64\cudnn.lib 和 .\cuda\bin\cudnn64_5.dll 文件分别拷贝到前面安装好的CUDA目录的include, lib\x64, bin 文件夹下。
四、下载安装opencv 2.4.13
https://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.13/opencv-2.4.13.2-vc14.exe/download
五、从GitHub上下载YOLO v2源码
https://github.com/AlexeyAB/darknet
1.下载后解压缩，用VS2015打开 .\darknet-master\build\darknet\darknet.sln
2.先将将VS2015设置成x64和Release,

3.在VS2015中右键 darknet ，点属性
-> 属性-> C/C++ -> 常规 -> 添加库目录。点编辑，添加opencv路径D:\opencv\opencv\build\include
（注意：opencv路径换成你自己的！！）

4.-> 属性-> 链接器 -> 常规 -> 附加库目录。点编辑，添加opencv路径D:\opencv\opencv\build\x64\vc14\lib
（注意：opencv路径换成你自己的！！）

5.-> 属性-> C/C++ -> 预处理器 ->预处理器定义。第一行加上CUDNN

六、编译通过

七、演示
1.首先要写一个cmd 文件，放在.\darknet-master\build\darknet\x64下，如图：

参数说明：
voc.data :应该是里面设置好了多少类别的一些参数。
yolo-voc.cfg : 网络结构的定义。
yolo-weights :网络参数，后面会提到怎么下载。
-i 0 ：是指定使用的GPU编号。
-thresh 0.25 : 阈值，意思是只标记并显示置信值大于25%的目标。
.data\image\ ：图像路径

2.去官网下一个几百M的作者训练好的权重参数，用于目标检测识别。
地址 https://pjreddie.com/darknet/yolo/ 放在.\darknet-master\build\darknet\x64下

3.新建文件夹 .\darknet-master\build\darknet\x64\data\image ，将前面data里的图片放进image文件夹中去。双击前面写的的yolo_test.cmd。

4.运行结果

作者提供的测试图：

用一下网络上的图，YOLO v2还是很准确的！