Yolov4在Win10部署、训练和C++调用

最近想试一下使用Yolov4做目标检测的效果，想要用最快的速度做出效果来，尝试了使用pytorch，
但是由于需要转换为C++，把训练好的pth文件转换为pt文件应用的过程中出现了各种各样的问题，暂时不想花费大量的时间在这件事情上，所以转而选择了直接使用darknet。
以下全程使用windows，各项配置不发生变化。
测试过程中有一个小发现：我自己训练用的图像是三通道的图像，训练出来的模型用在单通道图像上也是可行的，至少没有出错。

目录

• 使用Darknet对已在coco数据集上训练好的模型做目标检测
• 使用Darknet训练自己的模型
• Windows上C++使用Yolo官方提供的办法调用自己训练好的模型

使用Darknet对已在coco数据集上训练好的模型做目标检测

darknet版本：2021.4.7的ID为e83d6526的提交
环境：

Win10
RTX 2060 6G
cuda 11.1
cuDNN 8.0.5 for cuda11.1
opencv 3.4.2
vs2019
darknet e83d6526

部署步骤参考下面的链接，有几条注意事项写在下面了，配合教程食用更加：
WIN10+YOLOv4，windows上完美执行YOLOv4目标检测
注意：

1. 通过查看darknet.vcxproj文件，发现此版本下依赖cuda11.1，上面的参考步骤中使用了cuda10.2，需要注意。
2. 安装了多个版本的cuda的情况下要注意有坑，简单粗暴的方法是把其他版本的cuda卸载掉。由于对cuDNN的版本有要求，千万不要偷懒，因为以前有安装过其他版本的cuDNN，就没有下载对应的版本，版本不对是一个很大的坑。
3. opencv的版本建议一定要按照上面那个教程中的来，用其他版本有可能会有问题；配置的opencv库目录用的是vc14，这里可以改成vc15，亲测没有问题，有高版本的我还是倾向于选择高版本的。
4. nvidia的账号建议注册一个，不麻烦，下东西会方便很多。
5. 教程中让配置的各种环境变量，都配置一下，可以避免之后遇到的很多问题，如果遇到环境变量Path过长的问题，可以先将一些较长的路径设置设置为名称较短的系统变量，然后添加到Path中。
6. 全都配置好之后打开项目编译，按照上面的步骤应该会编译通过，如果没有通过不要慌，看错误，缺什么文件补什么文件，可能出现缺少某些opencv相关的dll或者lib文件，简单粗暴的方法是缺什么就把什么放到程序目录下；我还遇到过编译结果只提示有一个错误，但是错误列表中什么都没有的情况，排查后发现是cuda版本的问题。
7. 官方给出的windows上darknet编译，让使用cmake来，没有这个必要，反而对于不熟悉cmake的人来说，会出问题，直接编译darknet.sln下面的项目就好了。包括其他几个项目，如果不熟悉cmake，也直接编译对应的项目就好了。

使用Darknet训练自己的模型

全程参考了darknet在GitHub上的README，其中对于训练过程做了详细的说明，除了是用英文写的，这份说明非常的完整。
指路：How to train (to detect your custom objects)
注意：

1. 图片的标记使用了说明中的Yolo_mark来标记，需要下载下来自己编译，一般不会遇到太大的问题，opencv的目录该配置的还是配置一下。标记的时候有一些快捷键还挺好用的，不用鼠标去点标签和图片了，可以提高效率，具体输入h可以看帮助，我常用的是←、→和数字键。
2. 训练过程中出现了显存不够的问题，有一些官方提供的解决方案：What does the error message "CUDA Error: out of memory" mean during training?。
   我自己改了图片大小，还把subdivisions改成了128，似乎有点夸张了。
3. 在知道自己显卡不太够用刚好能够跑起来的情况下，不要作死在训练的过程中运行其他很占用显存的程序，会导致训练断掉，特别是weights文件一个都还没有保存的情况下。
4. 训练的那行命令不要完全按照说明中写的来，路径要按照实际路径来，怕有问题索性就写完整路径，如果出现加载图片失败的情况，基本上就可以确定就是路径出问题了，包括train.txt中的图片路径。
5. 训练完后可以用训练的模型按照上面的方法看一下检测效果。

Windows上C++使用Yolo官方提供的办法调用自己训练好的模型

指路官方：How to use Yolo as DLL and SO libraries
简要概括：

1. 第一步是要编译出yolo_cpp_dll.dll和.lib文件，直接编译yolo_cpp_dll.sln那个解决方案中的项目，编译过程中可能出错，
   建议直接按照编译darknet时候的配置，可以减少很多出错的可能性，但是还是有可能出错，
   我遇到了一个cuda相关的错误，需要把下图这个地方配置一下，去掉一些内容。
   
2. 调用代码参考：C++调用YOLOV4模型进行目标检测-使用YOLOV4官方接口，这篇文章唯一的问题就是他是在Linux上调用的，而我要在Windows上调用。
3. 自己的项目中要把yolo_cpp_dll.lib文件放进来，添加进链接器的附加依赖项中，yolo_v2_class.hpp这个文件也记得放进来，其他的一些项目配置，参考darknet，该放进来的都放进来，编译过程中遇到链接之类的错误，一般就是附加依赖项中少配置了什么东西，总体上跑不出这些文件。
4. 直接搬上面的文章中的代码有点小问题，因为它是Linux系统中运行的，用了一些Linux系统自由的和时间相关的库，相关内容去掉或者改成合适的就好了，当然，梳理一下代码，自己写出适合自己的就更合适了。