YOLO:You Only Look Once运行记录(Ubuntu14.04+GT750M)
2016-12-02 20:02
489 查看
YOLO是自己实现的框架darknet,并不是基于caffe,虽然Github上有基于caffe的实现。YOLO的编译很快,tinyYOLO的速度确实也非常高,不过准确度是真的低。
记录一下YOLO利用摄像头获取图像并进行目标检测的过程:
首先去github下载darknet并解压。
安装CUDA(仅支持NVIDIA独立显卡),参考博客Ubuntu软件安装记录:CUDA+ROS+QT+sougouinput+有道词典 。
安装OPENCV2:
修改Makefile中对应的:
编译:
输入:
下载weights参数:下载tiny-yolo-voc.weights。在根目录下建立weights文件夹,保存该weights文件。
输入命令:
即开始调用摄像头运行。
遇到的错误:
解决方法:
记录一下YOLO利用摄像头获取图像并进行目标检测的过程:
首先去github下载darknet并解压。
安装CUDA(仅支持NVIDIA独立显卡),参考博客Ubuntu软件安装记录:CUDA+ROS+QT+sougouinput+有道词典 。
安装OPENCV2:
sudo apt-get install libopencv-dev
修改Makefile中对应的:
GPU=1,OPENCV=1
编译:
make
输入:
./darknet imtest data/eagle.jpg测试是否安装成功,成功的话会显示很多图片。
下载weights参数:下载tiny-yolo-voc.weights。在根目录下建立weights文件夹,保存该weights文件。
输入命令:
./darknet detector demo cfg/voc.data cfg/tiny-yolo-voc.cfg weights/tiny-yolo-voc.weights
即开始调用摄像头运行。
遇到的错误:
nvcc -gencode arch=compute_20,code=[sm_20,sm_21] -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=[sm_50,compute_50] -gencode arch=compute_52,code=[sm_52,compute_52] -DOPENCV `pkg-config --cflags opencv` -DGPU -I/usr/local/cuda/include/ --compiler-options "-Wall -Wfatal-errors -Ofast -DOPENCV -DGPU" -c ./src/convolutional_kernels.cu -o obj/convolutional_kernels.o /bin/sh: 1: nvcc: not found make: *** [obj/convolutional_kernels.o] Error 127
解决方法:
export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
相关文章推荐
- linux查看防火墙状态及开启关闭命令
- C++之vector的使用
- springMVC笔记系列(16)——模型数据处理篇 之 @ModelAttribute注解
- FCC的javascript初级算法题解答
- 建造者模式
- PAT(basic level) 1040 有几个PAT(25)
- 最小二乘法
- new与malloc的区别
- gcc编译时对'xxxx'未定义的引用问题
- JREBEL 7.0 注册 激活
- 拖拽原理
- Objective-C 宏定义详细介绍
- 并行DDL浅析
- struts2 中映射文件 一个列在resultMap中引用2次必须都列出来
- AutoCompleteTextView控件的使用
- LeetCode-Q2-Add Two Numbers
- poj1338
- Spring-data-mongodb 连接 MongoDB 3.x 版本的XML文件配置
- noip2016游记
- AES加密