0. YOLO Setup

0. 환경

• Windows 10
• CUDA 10.0 (+CUDNN)
• OpenCV 4.1.0
• VS 2015

(CUDA, CUDNN, OpenCV, Visual Studio 설치는 생략)

 

 

 

1. git에서 파일 다운

 

github.com/AlexeyAB/darknet

AlexeyAB/darknet

위 링크에서 Code 다운.

 

 

 

2. VS 세팅 후 빌드

 

darknet-mask > build > darknet > darknet.sln 파일을 열어줌.

 

 

 

if, 솔루션 로딩이 안될경우, darknet.vcxproj 파일을 NotePad++ 같은 에디터로 열어 준다.

 

1) .vcxproj 파일을 열면 위와 같은 CUDA .props 파일의 경로가 지정되어있는데 해당 경로에 파일이 제대로 있는지 확인. 다른 경로상에 해당 파일이 있다면 NotePad에서 경로 수정.

<Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 10.0.props" />

 

2) ToolsVersion="14.0" 을 확인. 자신의 VS version과 일치하는지 확인한다. (Visual Studio 2015 = VS140)

<Project DefaultTargets="Build" ToolsVersion="14.0" xmlns="http://schemas.microsoft.com/developer/msbuild/2003">

 

 

- 솔루션 파일을 성공적으로 열었다면, Project > 우클릭 > Properties

 

- C/C++ > General > Additional Include Directories 에 자신의 OpenCV, CUDA 경로 알맞게 추가.

- Linker > General > Additional Library Directories 에도 마찬가지로 lib폴더 경로 알맞게 추가.

- Release / x64로 빌드 옵션 변경 후 빌드. ( F5 or F7)

 

 

3. Detector Test

 

빌드를 성공했다면 미리 학습된 weight를 이용하여 테스트를 해보자.

 

1) cmd에서 darknet-master -> build -> darknet -> x64 경로로 이동.

 

2) 미리 학습된 weight(가중치) 파일은 git에서 받을 수 있다.   (https://pjreddie.com/media/files/yolov3.weights)

 

3) test 명령어 실행. (나는 tiny weight를 사용...)

 

• darknet detector cfg/coco.data cfg/yolo.cfg yolov3-tiny.weights data/dog.jpg

 

4) 결과

 

 

 

 

 

 

 

 

 

 

끝.

 

* 처음 darknet-master를 받으면 build 경로에 미리 x64폴더(빌드된 결과)가 있다.
이를 테스트로 그냥 이용해도 되고. 다시 빌드해서 사용하려면 기존 x64폴더를 이름 변경 후.
빌드하면 x64 폴더가 생성되면서 새로 빌드한 결과가 생성 됨.

 

* yolov4 command
darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg