This is a YOLOv4 post-processing code used gpu based on pure libtorch API
环境:
Ubuntu18.04
CUDA10.2
PyTorch1.7.1
LibTorch1.7.1
torchvision0.8.2
OpenCV3.4.10
RTX2070
用法:
1、使用pytorch2libtorch.py脚本转化模型文件,该脚本用来参考,具体代码请按照实际情况修改
2、在下载好的文件中新建module文件夹,放入你的.pt模型文件,新建build文件夹
3、在cmakelists.txt 文件中修改set(CMAKE_PREFIX_PATH "/path/to/libtorch; /path/to/torchvision")
4、在yolo.h文件中修改all_anchors、class_name、smodel_image_size参数; 修改utils.h中的num_classes参数,修改方法代码中有注释
5、修改main.c中的modulePath为你的.pt模型文件路径
6、cd到2中的build文件夹中,在终端中输入以下命令:
cmake ..
make
7、运行以下命令即可运行:
./yolov4
说明:
1、main.c文件中有 单张图片检测 和 摄像头视频检测 两种方式,使用单张图片检测时需要按需修改图片路径
2、因为代码中使用了torch官方的nms库,所以torchvision是必须的,torchvision需要自行下载源码并编译安装,放法可参考:https://blog.csdn.net/Flag_ing/article/details/109708155
3、OpenCV的安装方法可参考:https://blog.csdn.net/Flag_ing/article/details/109508374
运行效果测试:
使用GPU(RTX2080Ti)下,单帧图片检测全程大概32ms
CPU的检测全程大概1.6s
2021.3 更新
注意文件utils.cpp里第172行代码有问题,我比较懒,就先不改啦,具体怎么改可看Issue里的提问哈~感谢ID:happyboyneu找出的这个bug