YOLOv4 资源环境配置和测试样例效果

基本环境：cuda=10.0，cudnn>=7.0， opencv>=2.4

一、下载yolov4

git 

二、编译

1.  # cd到darknet目录下

2.  make

3.  或者 make -j8

三、测试

1.  ./darknet

2.  若出现下图，则说明编译成功：

生成上述视频的命令：

./darknet.exe detector demo ../../cfg/coco.data ../../cfg/yolov4-1024.cfg ../../yolov4.weights ~/Desktop/0002-20170519-2.mp4 -thresh 0.2 -ext_output -out_filename ~/Desktop/output.avi

原 YOLOv4 是基于DarkNet框架的，已经有不少小伙伴在着手其他版本的实现：

1、YOLOv4 的 TensorFlow 2.0 实现

https://github.com/xiao9616/yolo4_tensorflow2

2、YOLOv4 的 TensorFlow 实现.

持续更新使用说明及设备介绍详细https://github.com/rrddcc/YOLOv4_tensorflow

3、YOLOv4 的 TensorFlow 实现.

https://github.com/klauspa/Yolov4-tensorflow

4、YOLOv4 的 PyTorch 实现

https://github.com/GZQ0723/YoloV4

5、YOLOv4（TensorFlow后端）的 Keras 实现

https://github.com/Ma-Dan/keras-yolo4

6、YOLOv4 的 PyTorch 实现

https://github.com/Tianxiaomo/pytorch-YOLOv4

yolov3的检测效果

yolov4的检测效果