C#封装YOLOv4算法进行目标检测

Posted 2021-04-14 DotNet

（给DotNet加星标，提升.Net技能）

转自：叮咚z

cnblogs.com/zypblog/p/13656366.html

概述

• 官网：https://pjreddie.com/darknet/

  
  

• Darknet：https://github.com/AlexeyAB/darknet

  
  

• C#封装代码：https://github.com/zhang8043/YoloWrapper

YOLO: 是实现实时物体检测的系统，Darknet是基于YOLO的框架

采用C#语言对 YOLOv4 目标检测算法封装，将模型在实际应用系统中落地，实现模型在线远程调用。

环境准备

本章只讲解如何对YOLOv4封装进行详解，具体环境安装过程不做介绍

查看你的GPU计算能力是否支持 >= 3.0：https://en.wikipedia.org/wiki/CUDA#GPUs_supported

Windows运行要求

CMake >= 3.12: https://cmake.org/download/

CUDA >= 10.0: https://developer.nvidia.com/cuda-toolkit-archive

OpenCV >= 2.4: https://opencv.org/releases/

cuDNN >= 7.0: https://developer.nvidia.com/rdp/cudnn-archive

Visual Studio 2017/2019: https://visualstudio.microsoft.com

我所使用的环境

系统版本：Windows 10 专业版

显卡：GTX 1050 Ti

CMake版本：3.18.2

CUDA版本：10.1

OpenCV版本：4.4.0

cuDNN版本：10.1

MSVC 2017/2019: Visual Studio 2019

程序代码准备

源代码下载

使用Git

git clone https://github.com/AlexeyAB/darknet
cd darknet

代码结构

将YOLOv4编译为DLL

详细教程：https://zhuanlan.zhihu.com/p/97605980，这个教程描述的很详细。

进入 darknetuilddarknet 目录，打开解决方案 yolo_cpp_dll.sln

设置Windows SDK版本和平台工具集为当前系统安装版本

设置Release和x64

然后执行以下操作：Build-> Build yolo_cpp_dll

已完成生成项目“yolo_cpp_dll.vcxproj”的操作。
========== 生成: 成功 1 个，失败 0 个，最新 0 个，跳过 0 个 ==========

在打包DLL的过程中可能遇到如下问题

C1041
无法打开程序数据库“D:代码管理Cdarknetuilddarknetx64DLL_Releasevc142.pdb”；如果要将多个 CL.EXE 写入同一个 .PDB 文件，请使用 /FSyolo_cpp_dllC:UsersadministratorAppDataLocalTemp	mpxft_00005db0_00000000-6_dropout_layer_kernels.compute_75.cudafe1.cpp1

MSB3721
命令“"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1in
vcc.exe" -gencode=arch=compute_30,code="sm_30,compute_30" -gencode=arch=compute_75,code="sm_75,compute_75" --use-local-env -ccbin "C:Program Files (x86)Microsoft Visual Studio2019CommunityVCToolsMSVC14.27.29110inHostX86x64" -x cu -IC:opencvuildinclude -IC:opencv_3.0opencvuildinclude -I....include -I....3rdpartystbinclude -I....3rdpartypthreadsinclude -I"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1include" -I"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1include" -Iinclude -Iinclude -I"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1include" --keep-dir x64Release -maxrregcount=0 --machine 64 --compile -cudart static -DCUDNN_HALF -DCUDNN -DGPU -DLIB_EXPORTS -D_TIMESPEC_DEFINED -D_SCL_SECURE_NO_WARNINGS -D_CRT_SECURE_NO_WARNINGS -DWIN32 -DNDEBUG -D_CONSOLE -D_LIB -D_WINDLL -D_MBCS -Xcompiler "/EHsc /W3 /nologo /O2 /Fdx64DLL_Releasevc142.pdb  /Zi  /MD " -o x64DLL_Releasedropout_layer_kernels.cu.obj "D:darknetsrcdropout_layer_kernels.cu"”已退出，返回代码为 2。yolo_cpp_dllC:Program Files (x86)Microsoft Visual Studio2019CommunityMSBuildMicrosoftVCv160BuildCustomizationsCUDA 10.1.targets757

解决方法

在VS 2019 工具》选项》项目和解决方案》生成并运行 中最大并行项目生成数设为 1

在VS 2019 项目-》属性-》配置属性-》常规 将Windows SDK版本设置为系统当前版本即可

封装YOLOv4编译后的DLL

1、进入 darknetuilddarknetx64 目录，将 pthreadGC2.dll 和 pthreadVC2.dll 拷贝到项目 Dll 文件夹

2、将编译后的YOLOv4 DLL文件拷贝到项目 Dll 文件夹

3、进入 darknetuilddarknetx64cfg 目录，将 yolov4.cfg 拷贝到项目 Cfg 文件夹

4、进入 darknetuilddarknetx64data 目录，将 coco.names 拷贝到项目 Data 文件夹

5、下载 yolov4.weights 权重文件 拷贝到 Weights 文件夹，文件245 MB https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

项目文件

代码下载：https://github.com/zhang8043/YoloWrapper

1、YoloWrapper - YOLOv4封装项目

• Cfg - 配置文件夹

  
  

• Data - label文件夹

  
  

• Dll - YOLOv4 编译后的DLL文件夹

  
  

• Weights - YOLOv4 权重文件夹

  
  

• BboxContainer.cs

  
  

• BoundingBox.cs

  
  

• YoloWrapper.cs - 封装主文件，调用 YOLOv4 的动态链接库

2、YoloWrapperConsole - 调用封装DLL控制台程序

• Program.cs - 控制台主程序，调用 YOLOv4 封装文件

代码

YOLOv4封装项目

YoloWrapper.cs - 封装主文件，调用 YOLOv4 的动态链接库

using System;
using System.Runtime.InteropServices;
namespace YoloWrapper
{
    public class YoloWrapper : IDisposable
    {
        private const string YoloLibraryName = @"Dllsyolo_cpp_dll.dll";
        [DllImport(YoloLibraryName, EntryPoint = "init")]
        private static extern int InitializeYolo(string configurationFilename, string weightsFilename, int gpu);

        [DllImport(YoloLibraryName, EntryPoint = "detect_image")]
        private static extern int DetectImage(string filename, ref BboxContainer container);
        [DllImport(YoloLibraryName, EntryPoint = "detect_mat")]
        private static extern int DetectImage(IntPtr pArray, int nSize, ref BboxContainer container);
        [DllImport(YoloLibraryName, EntryPoint = "dispose")]
        private static extern int DisposeYolo();
        public YoloWrapper(string configurationFilename, string weightsFilename, int gpu)
 {
            InitializeYolo(configurationFilename, weightsFilename, gpu);
        }
        public void Dispose()
 {
            DisposeYolo();
        }
        public BoundingBox[] Detect(string filename)
 {
            var container = new BboxContainer();
            var count = DetectImage(filename, ref container);
            return container.candidates;
        }
        public BoundingBox[] Detect(byte[] imageData)
 {
            var container = new BboxContainer();
            var size = Marshal.SizeOf(imageData[0]) * imageData.Length;
            var pnt = Marshal.AllocHGlobal(size);
            try
            {
                Marshal.(imageData, 0, pnt, imageData.Length);
                var count = DetectImage(pnt, imageData.Length, ref container);
                if (count == -1)
                {
                    throw new NotSupportedException($"{YoloLibraryName} has no OpenCV support");
                }
            }
            catch (Exception exception)
            {
                return null;
            }
            finally
            {
                Marshal.FreeHGlobal(pnt);
            }
            return container.candidates;
        }
    }
}

BboxContainer.cs

using System.Runtime.InteropServices;
namespace YoloWrapper
{
    [StructLayout(LayoutKind.Sequential)]
    public struct BboxContainer
    {
        [MarshalAs(UnmanagedType.ByValArray, SizeConst = 1000)]
        public BoundingBox[] candidates;
    }
}

BoundingBox.cs

using System;
using System.Runtime.InteropServices;
namespace YoloWrapper
{
    [StructLayout(LayoutKind.Sequential)]
    public struct BoundingBox
    {
        public UInt32 x, y, w, h;
        public float prob;
        public UInt32 obj_id;
        public UInt32 track_id;
        public UInt32 frames_counter;
        public float x_3d, y_3d, z_3d;
    }
}

调用封装DLL控制台程序

BoundingBox.cs

using ConsoleTables;
using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using YoloWrapper;
namespace YoloWrapperConsole
{
    class Program
    {
        private const string configurationFilename = @".Cfgyolov4.cfg";
        private const string weightsFilename = @".Weightsyolov4.weights";
        private const string namesFile = @".Datacoco.names";
        private static Dictionary<int, string> _namesDic = new Dictionary<int, string>();
        private static YoloWrapper.YoloWrapper _wrapper;
        static void Main(string[] args)
 {
            Initilize();
            Console.Write("ImagePath：");
            string imagePath = Console.ReadLine();
            var bbox = _wrapper.Detect(imagePath);
            Convert(bbox);
            Console.ReadKey();
        }
        private static void Initilize()
 {
            _wrapper = new YoloWrapper.YoloWrapper(configurationFilename, weightsFilename, 0);
            var lines = File.ReadAllLines(namesFile);
            for (var i = 0; i < lines.Length; i++)
                _namesDic.Add(i, lines[i]);
        }
        private static void Convert(BoundingBox[] bbox)
 {
            Console.WriteLine("Result：");
            var table = new ConsoleTable("Type", "Confidence", "X", "Y", "Width", "Height");
            foreach (var item in bbox.Where(o => o.h > 0 || o.w > 0))
            {
                var type = _namesDic[(int)item.obj_id];
                table.AddRow(type, item.prob, item.x, item.y, item.w, item.h);
            }
            table.Write(Format.MarkDown);
        }
    }
}

测试返回结果

控制台

- EOF -

推荐阅读   点击标题可跳转

看完本文有收获？请转发分享给更多人

关注「DotNet」加星标，提升.Net技能 

好文章，我在看❤️