libtorch yolov3

libtorch-yolov3

Une implémentation Libtorch de l'algorithme de détection d'objets YOLO v3, écrit en C++ pur. Il est rapide et facile à intégrer à votre production, et le CPU et le GPU sont tous deux pris en charge. Profitez ~

Ce projet est inspiré de la version pytorch, je l'ai réécrit en C++.

Exigences

1. LibTorch v1.0.0
2. Cuda
3. OpenCV (juste utilisé dans l'exemple)

Pour compiler

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++ ..

Faire fonctionner le détecteur

La première chose à faire est d'obtenir le fichier de pondérations pour la v3 :

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

Sur une seule image :

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

Comme je l'ai testé, cela prendra 25 ms sur GPU ( 1080 ti ). veuillez exécuter le travail d'inférence plus d'une fois et calculer le coût moyen.