YOLO是You-Only-Look-Once的缩写，它无疑是根据COCO数据集训练的好的对象检测器之一。YOLOv4是新的迭代版本，它在准确和能之间进行了权衡，使其成为先进的对象检测器之一。在智能视频分析管道中使用任何对象检测器的典型机制包括使用像Tensorflow或PyTorch这样能够在NVIDIA GPU上操作的库来加速模型理。
OpenCV用于图像/视频流输入，预处理和后处理的视觉果。如果我告诉你OpenCV现在能够利用NVIDIA CUDA的优点，使用DNN模块本地运行YOLOv4，那会怎样？本文将带你通过使用CUDA和cuDNN构建OpenCV，以使用DNN模块加速YOLOv4理。
“今天我把它们带上台，不是为了炫耀，而是想用我的故事告诉大家：只要有梦，残缺的身躯依然能绽放出绚烂的光彩。”她的声音清晰而坚定。
在航展日的飞行表演环节，换装L-15后的阿联酋空军“骑士”飞行表演队率先登场，为现场观众献上了长达29分钟的精彩特技表演。飞行员们驾驶L-15娴熟完成多项招牌高难度动作，充分展示出这款中国教练机优异的机动能、敏捷的操控反应和稳定的编队能力。
介绍我认识的大多数爱好者都有支持GPU的设备。我的目标是让GPU加速成为主流。谁不喜欢项目跑快点呢？我已经使用了OpenCV 4.5.1、CUDA 11.2和cuDNN 8.1.0来开始工作，使理更容易!
先，你需要设置CUDA，然后安装cuDNN，后以构建OpenCV结束。此外，这个博客被分成了几个部分，这样更容易理解!
地址：大城县广安工业区 CUDA 11.2和cuDNN 8.1.0安装有可能使你的计算机无法启动的部分。开个玩笑啦！把每件事都做好，这应该是轻而易举的事。
安装CUDA 11.2先根据你的平台从CUDA存储库下载deb文件。
CUDA存储库：https://developer.nvidia.com/cuda-downloads
正确选择平台后，将会向你提供安装命令。如果你的平台与我的平台相似，则可以按以下方式安装它：
如果操作正确，管道保温施工那么在运行nvidia-smi时应该会有以下输出
后，将以下内容粘贴到.bashrc或.zshrc中
别忘了在后面加上source ~/.bashrc或source ~/.zshrc
安装cuDNN 8.1.0为此，你需要有一个NVIDIA的账户，所以一定要先注册。完成后，前往以下链接并下载标记的文件。
https://developer.nvidia.com/rdp/cudnn-download
下载deb文件后，运行以下命令-
这标志着NVIDIA CUDA和cuDNN安装的完成！
从源代码构建OpenCV 4.5.1有趣的是，这让我很兴奋！本节将帮助你用CUDA, GStreamer和FFMPEG从源代码构建OpenCV !有一个很长的命令列表要执行，所以开始吧。
先，安装python开发人员包
接下来，让我们安装构建OpenCV所需的依赖项
Numpy是此构建的一个关键python包。使用pip安装它
现在，你应该为构建做好了一切准备。运行以下命令下载并解压源代码
让我们准备构建吧!
确保CUDA_ARCH_BIN根据你的GPU改变。
你应该会看到类似这样的成功构建
确保CUDA被检测到并且构建路径是准确的。如果一切正常，继续并执行以下命令来启动构建
要检查是否成功构建了OpenCV，运行这个命令
在成功安装时，它应该会给你一个类似这样的输出
很高兴看到你能走到这一步！现在你应该已经完成了运行示例应用程序的所有设置。
运行应用程序继续并克隆这个存储库并获取权重。从安装git-lfs开始
使用模型文件克隆存储库
你可以在图像，视频摄像头，或RTSP输入运行应用程序。
PS：删除--use-gpu标志来禁用GPU。适得其反，不是吗？
客们的一些基准!如果收益不是很大，我们就不会这么做。相信我，在GPU上运行使我的FPS增加了10–15倍！
我测试了两种配置
英特尔酷睿i5 7300HQ + NVIDIA GeForce GTX 1050Ti
英特尔至强E5–1650 v4 + NVIDIA Tesla T4
我会让数字来说话的！
尾注GPU加速正在渗透到多个库和应用程序中，使用户能够以前所未有的速度运行更重的工作负载！计算机视觉曾经不是一项所有人都能接触到的技术，但随着神经网络的改进和硬件计算能力的提高，这一差距已经显著缩小。随着人工智能发展的速度，我们的硬件也会发展的越来越灵活！
到此这篇关于详解使用CUDA+OpenCV加速yolo v4能的文章就介绍到这了,更多相关CUDA+OpenCV加速yolo v4内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！