More than 3 years have passed since last update.

WindowsでYOLOのデモ

Posted at 2020-07-25

YOLO

YOLOとはリアルタイム物体検出アルゴリズムで、「You only look once」の頭文字を取って「YOLO」と呼ばれています。
YOLOはDarknetというフレームワークで開発されています。
アルゴリズムの詳細は論文を検索してみてください。

C++によるデスクトップ開発 をインストールします。

下記バージョンの CUDA Toolkit、cuDNNをインストールします。
インストール方法につていは「CUDA Toolkit」あたりで検索すると解説サイトがヒットすると思います。
【参考】NVIDIA CUDA toolkit on Windows

OpenCV からビルド済みの OpenCV をダウンロードします。
2020年7月現在、最新版は 4.x.x ですが 3.4.x を入手します。
Windows版は自己解凍型の実行ファイルで配布されていますので、入手後、とりあえず下記のフォルダに展開します。

C:\tools\opencv

で、下記フォルダパスを環境変数 Path に登録しておきます。

C:\tools\opencv\build\x64\vc14\bin

ソースコードの入手
AlexeyAB/darknet から Darknet のソースコード一式を入手します。
下記の手順は C:\work にGitリポジトリを clone したことを前提としています。
```
> cd C:\work
> git clone https://github.com/AlexeyAB/darknet.git
```
Visual Studio 2017の起動
darknet.sln（c:\work\darknet\build\darknet\darknet.sln）をVS2017 プロジェクトを開きます。
プロジェクトの設定

ビルドの依存関係設定
- プロジェクトを右クリック ⇒ ビルドの依存関係 ⇒ ビルドのカスタマイズを開きます。
- CUDA 10.1にチェックを入れ、「OK」ボタンを押下します。
構成とプラットフォームの変更
- メニューからビルド ⇒ 構成マネージャーを開きます。
  - 構成・プラットフォームで下記を選択します。
    - 構成：Release
    - プラットフォーム： x64
      
      - インクルードディレクトリの設定
- プロジェクトを右クリック ⇒ プロパティを開きます。
- 「C/C++」→「全般」→「追加のインクルードディレクトリ」で以下を追加します。
  - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
  - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
  - C:\tools\cuda\include
  - C:\tools\opencv\build\include
    - ライブラリディレクトリの設定
- プロジェクトを右クリック ⇒ プロパティを開きます。
- 「リンカー」→「全般」→「追加のライブラリディレクトリ」で以下を追加します。
  - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib
  - C:\tools\cuda\lib\x64
  - C:\tools\opencv\build\x64\vc14\lib

上記設定後、ビルドを実行すると、C:\work\darknet\build\darknet\x64 にdarknet.exeが生成されます。

darknet.exe を使用するためには YOLO のバージョンに対応した weights ファイルを入手する必要があります。
主なファイルは下記のリンク先ファイルになります。

darknet のソースの中にサンプルの写真が何枚か入っていますので、それを利用して動作確認ができます。

YOLO v3の場合

> darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

YOLO v4の場合
```
> darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg
```
車の前方にあるゴミ捨て？はpottedplant（鉢植）に見えなくもない？

PCにカメラを付けると、カメラの映像を入力にして物体検出をしてくれます。
GPU無しで実行するのは結構きついです。
ちなみに、GeForce 1050では約7フレーム/秒くらいでした。

> darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights

> darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.5 data/test.mp4 -dont_show 1 -out_filename result/test_out.mp4