VS2015 + OPENCV + CUDA 安装流程

CUDA其中有些地方需要修改：

CUDA_SDK_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2

CUDA_BIN_PATH %CUDA_PATH%\bin

CUDA_LIB_PATH %CUDA_PATH%\lib\x64

CUDA_SDK_BIN_PATH %CUDA_SDK_PATH%\bin

CUDA_SDK_LIB_PATH %CUDA_SDK_PATH%\lib\x64

判断是Debug编译，还是Release编译。

判断是32位，还是64位。

#include "json/json.h"
#ifdef _DEBUG
#ifndef _WIN64
#pragma comment(lib,"json/json_mtd.lib")
#else
#pragma comment(lib,"json/json_mtd_x64.lib")
#endif
#else
#ifndef _WIN64
#pragma comment(lib,"json/json_mt.lib")
#else
#pragma comment(lib,"json/json_mt_x64.lib")
#endif
#endif
using namespace Json;

DEBUG 与 RELEASE的区别：

Debug选项称为调试版本，顾名思义这个选项是调试的时候使用的。这个选项的配置中，所有代码生成的优化都是关闭的，于是我们触发断点后可以通过即时/局部变量窗口来观察对应的变量。

Release选项称为发布版本，这个选项的配置使得编译器可以对我们的代码进行低等级的，复杂的优化。优化后代码可能会”面目全非“，导致单步调试变得不可行，我们也无法在变量窗口中看到变量，因为我们要观察的变量可能被优化了。并且发布版本不会生成.PDB文件（.PDB文件让调试器能知汇编指令与代码行数之间的对应关系）

编译流程： https://blog.csdn.net/shadandeajian/article/details/80913481

更完整的流程： https://blog.csdn.net/sinat_35907936/article/details/82017127

预训练权重下载： https://pjreddie.com/darknet/yolo/

编译好后，进入exe目录， darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 dog.jpg

修改并打开工程文件: darknet.vcxproj

VC++ 目录：

包含目录： D:\library\opencv\build\include;D:\library\opencv\build\include\opencv;D:\library\opencv\build\include\opencv2;$(CUDA_PATH)\include;$(IncludePath)

库目录： D:\library\opencv\build\x64\vc14\lib;$(CUDA_PATH)\lib\x64;$(LibraryPath)

链接器:

附加库目录: D:\library\opencv\build\x64\vc14\lib;%(AdditionalLibraryDirectories)

输入：附加依赖项： opencv_world340d.lib cublas.lib cuda.lib cudadevrt.lib

--------------------------------------------训练模型-------------------------------------------------

# 构建自定义的数据集：

darknet.exe detector train mydata/my.data mydata/yolov3.cfg yolov3.weights

1. 使用voc_label.py 生成 VOCdevkit//VOC2007//labels// 与 2007_train.txt 等文件。

2. 将图片jpg与标签txt放置在一个文件夹。

darknet.exe detector test mydata/my.data mydata/yolov3.cfg backup/yolov3_final.weights -i 0 -thresh 0.25 data/iom/VOCdevkit/VOC2007/JPEGImages/1.jpg

停留在控制台：项目——属性——配置属性——链接器——系统，找到子系统选项，其下拉菜单，选择控制台。

darknet.c main -> main_

测试已有视屏：
./darknet detector demo cfg/voc.data cfg/yolo-voc.cfg final_voc.weights your_video_path.mp4
测试时会直接弹出一个窗口播放视屏，可以看是实时检测视屏的效果。

测试摄像头实时检测场景：
./darknet detector demo cfg/voc.data cfg/yolo-voc.cfg final_voc.weights
和测试已有视屏类似，运行该命令后，会调用摄像头，弹出一个窗口显示摄像头拍摄实时场景，并做实时检测。

预测测试集：
./darknet detector valid cfg/voc.data cfg/yolo-voc.cfg final_voc.weights

统计测试集合测试效果：
./darknet detector recall cfg/voc.data cfg/yolo-voc.cfg final_voc.weights

使用Zbar扫描二维码:

1. Zbar官网提供的windows版只支持32位, 因此64位的机器可以去github下载国外大牛写的64位的Zbar: https://github.com/lineCode/ZBarWin64-1

2. 下载好后在VS中配置, VC++目录 -> 包含目录: Zbar的include, 库目录: lib目录, 链接器 -> 输入: libzbar64-0.lib, 配置好后，新建项目, 将Zbar64中的 libconv目录下的 .lib .dll 复制到自己项目的.exe下;

3. 关于项目的更详细文章, https://blog.csdn.net/zt_xcyk/article/details/78006223 https://blog.csdn.net/zhdnuli/article/details/50427717

--------------------------------linux跨平台-----------------------------------------------

windows项目开发好后需要移植到linux平台： Visual Studio 2015+VisualGDB5.3

https://blog.csdn.net/RichardWQJ/article/details/79872178

https://www.cnblogs.com/hbccdf/p/use_vs_and_visualgdb_develope_linux_app.html

linxu安装: http://www.cnblogs.com/yaohong/p/7240387.html

改成桥接问题: https://blog.csdn.net/juliarjuliar/article/details/79455284

注意在配置网关时，应与主机网关一致，否则无法连接到外网

vi /etc/hosts
192.168.10.112 pc1. ..

安装cmake:

下载 wget https://cmake.org/files/v3.3/cmake-3.3.2.tar.gz

安装cmake cd cmake-3.3.2

./bootstrap

gmake

make install

安装gcc支持环境

yum -y install gcc

yum -y install gcc-c++

yum -y install gcc gcc-c++ kernel-devel

yum -y install gcc-gfortran

yum -y install subversion

yum -y install gtk*

pkg-config --version

yum -y install libpng-devel

yum -y install zlib-devel

yum -y install libjpeg-devel

yum -y install libtiff-devel

yum -y install libjasper-devel

yum -y install swig

sudo yum -y install libpng-devel libjpeg-turbo-devel jasper-devel openexr-devel libtiff-devel libwebp-devel libdc1394-devel libv4l-devel gstreamer-plugins-base-devel gtk2-devel tbb-devel eigen3-devel gstreamer1-libav gstreamer1-plugins-base-devel java-1.8.0-openjdk-devel python2-numpy ffmpeg-devel ffmpeg-libs.i686 ffmpeg libavdevice.i686 libpng-devel libjpeg-turbo-devel jasper-devel openexr-devel libtiff-devel libwebp-devel libdc1394-devel libv4l-devel gstreamer-plugins-base-devel gtk2-devel tbb-devel eigen3-devel gstreamer1-libav gstreamer1-plugins-base-devel gtk+extra-devel gtk+-devel.i686 cmake pkg-config libgtk libavcodec libavformat libswscale swig

cd opencv目录

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX= /usr/local -DPYTHON_INCLUDE_DIR=/usr/include/python2.7 -DPYTHON_LIBRARY=/usr/lib/python2.7/config/libpython2.7.so ..

cmake之后, 发现大量错误

安装python 3.5 https://www.linuxidc.com/Linux/2016-04/129784.htm

安装python 3.5后, 解决yum无法使用的办法 https://blog.csdn.net/degrade/article/details/52814296

安装 ccache https://blog.csdn.net/hanlizhong85/article/details/71038515

升级g++版本 http://blog.sina.com.cn/s/blog_64b11b380101f2yb.html

使用c++11编译

g++ -std=c++11 -o test test.cpp

安装numpy yum -y install numpy 如果因为python版本而出现错误改成#! /usr/bin/python2.7

yum安装还是不行 http://jaist.dl.sourceforge.net/project/numpy/NumPy/1.11.1/ cd 进该目录 python setup.py install 重启

cmake .. 时有些检查Test通不过, 有可能是opencv没删干净; make unistall find / -name "*opencv*" -exec rm -i {} \; find / -name "*cv2.so*" -exec rm -i {} \;

sudo make

sudo make install

经过反复蛋疼的重装, 劝各位还是用ubantu吧, 别用centos了.

linux 安装opencv https://blog.csdn.net/qq_36449541/article/details/78999581

卸载: https://blog.csdn.net/xulingqiang/article/details/52496701

g++ test.cpp && ./a.out 结果打印到控制台

https://pjreddie.com/darknet/yolo/

VS2015 + OPENCV + CUDA 安装流程

推荐阅读