libtorch yolov3

libtorch-yolov3

Eine Libtorch-Implementierung des YOLO v3-Objekterkennungsalgorithmus, geschrieben mit reinem C++. Es lässt sich schnell und einfach in Ihre Produktion integrieren und unterstützt sowohl CPU als auch GPU. Viel Spaß ~

Dieses Projekt ist von der Pytorch-Version inspiriert, ich habe es mit C++ neu geschrieben.

Anforderungen

1. LibTorch v1.0.0
2. Cuda
3. OpenCV (nur im Beispiel verwendet)

Zum Kompilieren

1. cmake3
2. gcc 5.4 +

 mkdir build && cd build
cmake3 -DCMAKE_PREFIX_PATH="your libtorch path" ..

# if there are multi versions of gcc, then tell cmake which one your want to use, e.g.:
cmake3 -DCMAKE_PREFIX_PATH="your libtorch path" -DCMAKE_C_COMPILER=/usr/local/bin/gcc -DCMAKE_CXX_COMPILER=/usr/local/bin/g++ ..

Ausführen des Detektors

Als Erstes müssen Sie die Gewichtsdatei für Version 3 abrufen:

 cd models
wget https://pjreddie.com/media/files/yolov3.weights 

Auf Einzelbild:

 ./yolo-app ../imgs/person.jpg

Wie ich getestet habe, dauert es 25 ms auf der GPU (1080 ti). Bitte führen Sie den Inferenzjob mehr als einmal aus und berechnen Sie die durchschnittlichen Kosten.