基于openCV4.2.0的yoloV3目标检测（支持nvidia GPU加速）

最新推荐文章于 2021-12-03 15:28:17 发布
原创 最新推荐文章于 2021-12-03 15:28:17 发布 · 5.3k 阅读 · 29 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度学习 #opencv

本文详细介绍了如何基于openCV4.2.0和CUDA 10.2配置并编译支持GPU加速的yoloV3目标检测。在VS2015环境下，通过cmake工具进行编译设置，包括去除不支持的PTX选项，启用DNN、CUDA和CUDNN模块。完成编译后，在1050TI显卡上测试，实现了约20fps的检测速度。

基于openCV4.2.0的yoloV3目标检测（支持nvidia GPU加速）

1、openCV4.2.0导出配置

2019年12月23号，openCV发布了新版本4.2.0，其中比较重要的更新是对主流深度学习模型进行了cuda支持。openCV4.2.0
不过该模块还暂未以release版本发布，需要自己利用cmake进行导出编译。
工具：
cmake 3.9.0
VS2015
openCV4.2.0
CUDA 10.2
cudnn 7.6
首先，在openCV官网下载源码，下载地址
然后，下载额外包，下载地址选择对应的版本，如下图

在这里插入图片描述
将openCV4.2.0安装完成，并将额外包解压，放在安装好的openCV路径中的sources内，如下图
在这里插入图片描述
CUDA安装较为简单，略过
cudnn解压后为三个文件，头文件、

最低0.47元/天 解锁文章
Ubuntu18.04安装yolov3，darknet并使用显卡的GPU进行加速运算
u013327224的博客
07-22 1535
1：ubuntu18.04.3自带git，可以直接使用git把开源的darknet从github上克隆到本地目录，访问国外的github网站速度很慢，可能会失败，需要多次尝试，输入如下命令： git clone https://github.com/pjreddie/darknet 2：下载好了darknet后，切换到darknet目录，并且进行编译 //切换到darknet目录,我这里clone到了home目录下 cd /home/darknet //编译darknet sudo make 3
YOLO3+GPU(gtx1060)
bufengzj的博客
02-25 6995
安装参加yolo3官网，较为简单。 此文主要针对配置与问题解决。 一.配置GPU和CUDA信息 Darknet在GPU上运行可以得到500倍的提速，编译使用GPU要求显卡是Nvidia卡并且正确安装了CUDA。 GPU环境下的编译配置都是在 /darknet/Makefile 文件中定义的，GPU环境的编译有3点更改需要注意。 1. 更改Makefile前两行GPU和CUDNN的配置：...
2021-03-07记录自己部署YOLO系列模型的过程--从opencvDNN模块开始，部署CPU端
niuhongchaochao的博客
03-07 435
1、从网上下载opencvDNN模块的程序 https://github.com/iArunava/YOLOv3-Object-Detection-with-OpenCV 此程序可以进行跳帧检测，适合部署工业端。 2、下载U版YOLOv3-8.0版本，开始进行行人训练，对VOC数据集通过以下程序进行自动划分：https://www.cnblogs.com/pprp/p/10863496.html 使用YOLOv3-tiny模型，修改cfg参数：class，3*(class+5). 3、训练完成后转换模型至.
使用OpenCV调用yolo3 GPU版
Andrwin的博客
09-27 1546
使用OpenCV的DNN模块调用yolo3默认是CPU版本的，而且也不是真的调用yolo3，只是需要一个权重weights文件，一个配置cfg文件和一个标签列表names文件。 【重要部分】 网上的关于这一块的代码都大同小异，但是关键的地方在于一次加载多次调用，简单的加入 net.setPreferableBackend(cv.dnn.DNN_BACKEND_CUDA) net.setPreferableTarget(cv.dnn.DNN_TARGET_CUDA) 这两句话是不管用的，实际运行速度
win10编译GPU版本的OpenCV4.2.0
u012582494的专栏
09-09 990
需要的工具： cmake3.15 cuda10.0以及对应的cudnn opencv4.2以及opencv4.2contrib 1、安装cuda 双击安装，采用自定义安装，不要重复安装显卡驱动。 验证：安装后可检查到环境变量CUDA_PATH,CUDA_PATH_10_0 另外，cmd-->nvcc -V 可看到版本号。 2、配置cudnn 将cuDNN中bin、include、lib文件夹中的文件放入对应CUDA路径下的文件夹中。 根据自己的安装路径添加环境变量，如： 重..
Windows下基于VS2019|Opencv4.2.0|CUDA10.0|YOLOv4-gpu版本的部署、测试、封装以及出现的问题
Tracy_Baker的博客
06-12 2259
Windows下配置GPU版本的YOLOv4 一、安装VS2019 由于我只需要用到C++相关功能，所以只勾选了C++那个选项，右侧【安装详细信息】那栏中默认就好了，安装路径可以修改，默认安装在C盘。 如果以后有其他需求需要安装其他的，可以之打开Visual Studio Installer，点击【更多】----【修改】，勾选其他内容进行安装。 考虑到以后可能会使用到VS2017或2015版本的项目，我还安装了MSVC v141和MSVC v140。 二、安装CUDA10.0和CUDNN10.0 1、检
win10下VS2015编译OpenCV4.2.0的dnn模块调用yolov3模型和CUDA10.2+cudnn7.6.5.32
龙性的腾飞的博客
04-22 2023
opencv自4.2.0后dnn模块开始支持GPU加速，所以需要手动编译opencv模块才能用 环境配置：win10，VS2015，CUDA10.2，cudnn-10.2-windows10-x64-v7.6.5.32，cmake3.16.3，opencv_contrib-4.2.0，安装步骤参考：https://blog.csdn.net/length85/article/details/10...
搭建opencv的GPU(CUDA、CUDNN)环境
qq_32740315的博客
04-14 9237
背景 想使用opencv驱动yolov3训练的模型，但是只使用CPU的时候，发现一个问题，速度太慢，使用opencl的时候反而时间更长，貌似原因是需要交互所以需要时间更长（原谅我不求甚解),于是想要gpu进行加速，但这需要使用cuda,，但是发现使用opencv4.1.0不能使用cudnn，而opencv4.2.0则可以。所以重装opencv4.2.0。 系统：ubuntu16.04 电脑显卡：G...
Windows下基于yolov3二维码识别与解码（环境配置+训练过程）
qq_37299618的博客
05-13 1893
因为项目上需要识别QR码与DataMatrix码，
Linux+OpenCV3.4.3 下YOLOv3的训练、测试和封装
Tracy_Baker的博客
03-07 1817
寒假里因为项目需要用到YOLOv3，在网上找了很多linux下的配置教程，很多博主的博客里已经讲得很详细了，我这边重点将说明一下linux下的yolov3的封装，因为要给别人用，不可能提供源码的，都是封装成动态链接库给别人使用，而我在封装的过程中发现网络上的教程尤其是在linux下的封装并没有很详细，我这边在做一个补充说明，希望能帮助更多人少走弯路，也是对自己第一次独立完成这些工作做一个记录。 P...
YOLO3 使用 GPU CUDA OpenCV 搭建笔记
被遗忘的遐想空间
04-03 1092
1.查看主机显卡型号： lspci | grep -i vga 转存失败重新上传取消 下载nvidia对应型号驱动: https://www.nvidia.com/Download/index.aspx?lang 2.使用yum安装lrzsz组件,便于传文件 yum install -y lrzsz 3.关闭防火墙 service firewalld...
ubuntu 18.04 C++ OPENCV4.2.0 YOLOV3 图片 视频 相机
David_BY的博客
09-22 503
参考：C++调用Yolov3模型实现目标检测_LucienT、的博客-优快云博客_c++ yolo https://blog.csdn.net/weixin_46958585/article/details/107057406 1.下载下面3个文件，放入同一文件夹 使用开源权重文件，此训练模型包含80种物体 文件下载地址： 预训练权重文件： https://pjreddie.com/media/files/yolov3.weights 网络配置文件： https://gi...
OpenCV4实现YoloV3算法
落叶知秋了哟的博客
05-12 1525
1、配置：在win10系统下，仅使用CPU(也可以使用GPU，根据电脑配置决定)，通过VS2015和OpenCV4.2.0编译实现。不过在Linux系统下编译，同时使用GPU加速最好。 2、代码中的配置文件，权重文件，以及数据下载： 配置文件+数据：https://github.com/PanJinquan/opencv-learning-tutorials 配置文件+权重文件：https://pjreddie.com/darknet/yolo 3、代码实现，该代码是根据网上的代码做简单的整理 .
YOLOX推理系列3-支持NVIDIA-GPU的OpenCV编译
yinqinggong的博客
12-03 3403
文章目录系统环境一、配置环境二、下载OpenCV包三、编译OpenCV1，构建CMake2，遇到的问题3，安装并配置坏境4，验证四、测试代码 系统环境 系统环境如下，如果没有安装驱动或者CUDA，可以参考本系列文章1和2。 1，Ubuntu 18.04 2，GeForce RTX 3080 3，Driver Version 495.44 4，CUDA 11.5 5，cuDNN 8.3.0 一、配置环境 安装可能需要的包 sudo apt-get update sudo apt-get upgrade s
opencv调用YoloV4或者YoloV3模型使用cuda加速
SeventhBlue
09-12 3248
一、环境 windows10+vs2017； cuda和cudnn； opencv440编译好的GPU版本； 二、环境配置 上述第一、二点这里就不做描述了，网上资料很多。这里重点描述怎么编译opencv440GPU版本。 第一，从这里下载opencv主模块源码和额外模块源码； 第二，安装cmake，我安装的是3.17.0版本； 第三，解压下载好的源码，为了方便区分，将解压后主模块源码文件命名为opencv440_source，新建文件夹build440GPU，为了方便管理将解压后的额外模块源码
python opencv yolo_基于 OpenCV 使用 YOLOv3 进行深度学习中的物体检测
weixin_36263314的博客
02-02 1375
YOLOv3是目前流行的物体检测算法YOLO——-“ 你只能看一次”的最新变种。目前已经发布的YOLO模型可以识别图像和视频中80多种不同的对象，更重要的是，它的运行速度非常快，而且准确率几乎和单次多盒检测器(SSD)一样高。从OpenCV 3.4.2开始，您可以在自己的OpenCV应用程序中轻松使用YOLOv3模型。那么YOLO是如何运作的呢？我们可以将目标检测器视为是一种目标定位器和目标识别器...
NVIDIA系列Jetson NX开箱跑tensorRT+yolov3
fee的博客
06-15 6342
买来的Xavier NX是不带SD卡的，记得提前买个，别机子到了，SD卡（64G起）还没到 买来第一步，那显然是得刷系统，这我就贴个别人帖子了，毕竟我也是在那下的，如果没百度云会员，那下载速度杠杠滴，可以留言，我有时间的时候把东西通过邮箱发 装机完后，先跑个自带的tensorRT+yolov3，顺便测测速 上来先跟着readme走，走到 python3 -m pip install -r requirements.txt 直接卡住，各种报错，后来找到原因后，就是protobuf和onnx这.
ubuntu16.04安装cuda版本的opencv3.3.0，安装NVIDIA、CUDA和opencv
踏雪飞鸿的博客
04-06 5189
ubuntu16.04安装cuda版本的opencv3.3.0 sudo cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local/opencv3.3.0 -DWITH_CUDA=ON -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-8.0 -D CUDA_NVCC_FLAGS="-std=...
vs2015+opencv3.3.0+cuda9.1编译，出现nvcc fatal : Unsupported gpu architecture 'compute_20'
weixin_30606461的博客
01-17 635
话不多说，进入正题： 一、vs2015+opencv3.3.0+cuda9.1编译OpenCV时，在配置cmake阶段出现： CMake Error: The following variables are used in this project, but they are set to NOTFOUND.Please set them or make sure they are ...
评论 35
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值