반응형
이번엔 앞서 Yolo를 빌드하고 학습하는 방법을 다뤘으니 학습한 가중치 파일을 cpp(MFC) 환경에서 불러와 detect 해보려 한다.
0. git에서 받은 darknet-mask/build/darknet 경로에서 yolo_cpp_dll.sln 을 실행
1. 프로젝트 속성에서 추가 포함 디렉터리 및 라이브러리 경로 설정
2. Release/x64 빌드
3. MFC 프로젝트 생성
MFC 프로젝트를 생성 후 프로젝트 속성에서 darknet-master 경로 설정.
4. C/C++ -> 전처리기에 OPENCV, CUDNN, _CRT_SECURE_NO_WARNINGS 추가
5. include "yolo_v2_class.hpp" 및 lib 추가
라이브러리는 아래와같이 코드로 추가 할 수 있다.
#include "yolo_v2_class.hpp"
#ifdef DEBUG
#pragma comment(lib, "yolo_cpp_dll.lib")
#else
#pragma comment(lib, "yolo_cpp_dll.lib")
#endif
6. 가중치 파일 불러오기
BOOL LoadWeight(string strCfg, string strWeight) {
if (m_pDetector)
delete m_pDetector;
m_pDetector = new Detector(strCfg, strWeight);
if (m_pDetector) {
m_bLoaded = true;
return TRUE;
}
else
return FALSE;
}
7. detect
m_result = m_pDetector->detect(cv_image, 0.5);
- detect(cv::Mat image, thresh 값)
- 결과는 bbox_t 구조체의 vector로 반환.
8. 결과
잘된다.
끝.
반응형
'DeepLearning > YOLO' 카테고리의 다른 글
[YOLOv8] YOLOv8 install windows 10 (0) | 2023.07.21 |
---|---|
[YOLO] yolov7 windows install 및 detect test (0) | 2022.12.09 |
2. YOLO, Custom Train (0) | 2021.01.04 |
1. Yolo_mark, Image Data Labeling (0) | 2021.01.04 |
0. YOLO Setup (0) | 2021.01.02 |