最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门：
【YOLOv1原文+翻译】You Only Look Once Unified, Real-Time Object Detection
【YOLOv2原文+翻译】YOLO9000: Better, Faster, Stronger
【YOLOv3原文+翻译】YOLOv3：An Incremental Improvement
【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detection

实验室大佬在Ubuntu16.04上轻松实现，我也来个Win10版的~
先上一张成功检测的结果图：

正文开始

1 软件安装

我的软件环境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2
硬件环境：GTX2080Ti ×2，80G内存

1.1 下载安装NVIDIA显卡驱动

设备管理器查看自己电脑的显卡型号，然后进入NVIDIA驱动下载，下载对应硬件的驱动版本。安装好后，把

C:Program FilesNVIDIA CorporationNVSMI 

添加到环境变量的path中，然后CMD中输入：

nvidia-smi 

如果显示下图内容，证明驱动安装成功：

1.2 下载安装CUDA

CUDA官网已到11.0版本，我建议用10.2版本。
传送门：各个版本的CUDA下载
点击
CUDA Toolkit 10.2 (Nov 2019)下载
建议默认路径安装。
安装时勾选Visual Studio Integration

安装后配置环境变量
计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和 CUDA_PATH_V10_2两个环境变量。

接下来，还要在系统中添加以下几个环境变量（默认安装路径）:
C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2

CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2  CUDA_LIB_PATH = %CUDA_PATH%libx64  CUDA_BIN_PATH = %CUDA_PATH%bin CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%binwin64  CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64 

然后，在系统变量 Path 的末尾添加： %CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

再添加如下5条（默认安装路径）：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64  C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2include C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2extrasCUPTIlib64 C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2binwin64 C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2commonlibx64 

CUDA测试——CMD执行：

nvcc -V 

1.3 下载安装cuDNN

cuDNN官方下载地址
需要登录账号
点击Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2

没有账号可以在我的百度网盘下载，提取码是：lk48

cuDNN下载好后直接将其解开压缩包，然后需要将bin,include,lib中的文件分别复制粘贴到CUDA相对应的文件夹下

1.4 下载安装OpenCV

OpenCV官网下载3.4.2版本（一般不高于4.0即可）

下载后运行exe文件（解压）到相应目录下：
C:Program Files (x86)opencv
在系统变量 Path 的末尾添加：

 C:Program Files (x86)opencvbuildx64vc15bin  

1.5 下载安装VS2019

进入VS官网下载社区版
走流程安装即可

2 配置YOLOv4环境

我们已经实现了准备工作：win10+CUDA10.2+cuDNN7.6.5+VS2019+OpenCV3.4.2

2.1 下载YOLOv4

YOLOv4官方网址下载

下载到本地，解压。我将darknet-master重命名为darknet，保存至D盘

2.1 复制OpenCV文件

将文件夹
C:Program Files (x86)opencvbuildx64vc15bin的两个dll文件： opencv_ffmpeg340_64.dll和opencv_world340.dll复制到

D:darknetbuilddarknetx64  

2.2 VS2019项目配置

用VS2019打开D:darknetbuilddarknet下darknet.sln文件
有可能VS2019要走一下如下流程：

重启电脑。
右键对darknet.sln进行配置：
1.选择release和x64

2.项目 ->属性 注意同样应选release和x64，同时检查注意检查Windows SDK版本和平台工具集

3.修改包含目录和库目录
添加opencv3.4的包含目录和库目录（按照自己的opencv3.4的路径）
包含目录：

C:Program Files (x86)opencvbuildinclude C:Program Files (x86)opencvbuildincludeopencv  C:Program Files (x86)opencvbuildincludeopencv2 

库目录：

C:Program Files (x86)opencvbuildx64vc14lib 

4.附加依赖项
添加附加依赖项（按照自己的opencv3.4的路径）

C:Program Files (x86)opencvbuildx64vc14libopencv_world340.lib 

需要添加的是opencv_world342.lib

2.3 修改darknet.vcxproj

D:darknetbuilddarknet下，右键，可以txt打开

ctrl+f搜索 10.0 全部改成 10.2 （因为我们的CUDA版本是10.2）

2.4 拷贝CUDA文件

1.将NVIDIA CUDA的安装程序（.exe文件）数据解压到一个指定文件夹中（最好是新建一个文件夹CUDA，解压后会出现很多文件，这样方便查找）
2.将第一个路径下的文件直接拷贝到第二个路径下的文件夹中

D:CUDAVisualStudioIntegrationextrasvisual_studio_integrationMSBuildExtensions 

C:Program Files (x86)Microsoft Visual Studio2019CommunityMSBuildMicrosoftVCv160BuildCustomizations 

2.5 下载YOLOv4预训练权重文件

直接点击我的百度网盘进行下载，提取码是：0sti

下载后拷贝到

D:darknetbuilddarknetx64  

3 目标检测

以上已经完成了所有环境的配置，可以使用yolov4.weights实现目标检测了，方法如下：
在D:darknetbuilddarknetx64 目录下CMD执行：

darknet.exe detector test cfgcoco.data cfgyolov4.cfg yolov4.weights datadog.jpg 

对图像进行目标检测；
CMD执行：

darknet.exe detector demo cfgcoco.data cfgyolov4.cfg yolov4.weights data01.mp4 

对视频进行目标检测。

其中，待检测的图片或者视频放在以下路径：

D:darknetbuilddarknetx64data