前言:
為了要進行更準確又快速的人臉偵測系統，使用近期興起的CNN神經網路方式來做model的訓練，而現在有許多神經網路的演算法，今天我們選擇用yolo來實現我們的實作。
其yolo官網有釋出名為darknet的框架，該作者Joseph Redmon訴求該model是以輕量、依賴性少、演算法效率高的方向所設計，所以對在工業應用領域上有極高的實現價值，因此我們才會選擇此架構來做我們的產品開發的演算法原型。
準備步驟:
*環境: Windows 10 + Python 3.5 + Visual Studio 2015 + CUDA 8.0 + CuDnn 6.0 \
1. 查看自己電腦是否有Nvidia顯卡，cuda只支援Nvidia顯卡，其他家一概不支援。請查看顯卡型號，為了查詢所使用的顯卡支援的cuda版本。
2. 系統尚需有visual studio 2015，若你是其他版本，請還是再安裝visual studio 2015，確保問題最少。
3.到CUDA網頁下載Toolkit，https://developer.nvidia.com/cuda-toolkit-archive，選擇你的CUDA版本，在根據你的開發環境下載。像下列這樣，下載完安裝，安裝CUDA前，請先將'visual studio先安裝完畢。
4. 驗證DUDA是否安裝成功。打開命令列，執行cmd，接著輸入"nvcc -V"，如果安裝正確會顯示下列圖示，顯示了版本為cuda8.0
5. 到cuDNN官網下載cuDNN，https://developer.nvidia.com/cudnn，這必須要申請帳號才能下載。下載後，得到三個資料夾: bin\ include\ lib\，請將這三個資料夾複製到 “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0”
6. 建立windows系統環境變數，把以下兩個路徑加入PATH裡。
"C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0"
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
7. 編譯opencv3.3.0，使用cmake建立專案，在建立時，必須將Build下的BUILD_opencv_world的選項開啟，否則在編譯darknet時會缺少opencv_world330.lib而發生錯誤。
編譯完後的opencv，build/lib/Release會得到以下檔案
及bulild/bin/Release會得到DLL檔
以上這些檔案，都是在編譯darknet時會用到的。
開始編譯darknet:
首先我們看到以下圖顯示darknet的資料夾裡有幾個重要的檔案，紅色框是GPU版及CPU版的darknet solution檔；綠色框為GPU版及CPU版projection檔，及藍框是opencv所需要的dll檔。請確認有下列該檔後再開始做事。
由於我們要執行darknet的使用camera作物件偵測的動作，所以需要用到GPU版本，使用的是darknet專案。
1. 開啟darknet專案，若專案載入失敗，而你重新加入時發生下列錯誤，表示預設的darknet所使用的cuda版本與你不同，需要修改darknet.proj的內容
2. 若步驟一成功，請跳至步驟三。請開啟darknet.proj，搜尋"$(VCTargetsPath)\BuildCustomizations\CUDA 10.0.props"，將其版號置換成你的版本，一共有兩處，更改後再開啟專案即可。
3. 開啟專案後，設定opencv的路徑，先開啟設定屬性列，再到"組態屬性->C/C++->一般->其他Include目錄"'加入你的opencv include的資料夾。
4. 到"組態屬性->連結器->一般->其他程式庫目錄"加入你的opencv library路徑。
5.以上設定完後，大致上專案就完成，再進行編譯，即可成功，接著執行指令"detector demo cfg/sit.data cfg/yolov3_IT.cfg yolov3_eyes_final.weights" 就可進行live demo物件偵測。
留言列表
