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。.zip

# C#封装YOLOv4算法进行目标检测 ## 概述 官网：[https://pjreddie.com/darknet/](https://pjreddie.com/darknet/) Darknet：[【Github】](https://github.com/AlexeyAB/darknet) C#封装代码：[【Github】](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：[【点击查看】](https://en.wikipedia.org/wiki/CUDA#GPUs_supported) Windows运行要求 * CMake >= 3.12: [【点击下载】](https://cmake.org/download/) * CUDA >= 10.0: [【点击下载】](https://developer.nvidia.com/cuda-toolkit-archive) * OpenCV >= 2.4: [【点击下载】](https://opencv.org/releases/) * cuDNN >= 7.0: [【点击下载】](https://developer.nvidia.com/rdp/cudnn-archive) * Visual Studio 2017/2019: [【点击下载】](https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community) 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 下载地址：[【Darknet】](https://github.com/AlexeyAB/darknet) 使用Git ```PowerShell git clone https://github.com/AlexeyAB/darknet cd darknet ``` ### 代码结构  ## 将YOLOv4编译为DLL 详细教程：[【点击查看】](https://zhuanlan.zhihu.com/p/97605980)，这个教程描述的很详细。 进入 `darknet\build\darknet` 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 ```PowerShell 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 ```PowerShell C1041 无法打开程序数据库“D:\代码管理\C\darknet\build\darknet\x64\DLL_Release\vc142.pdb”；如果要将多个 CL.EXE 写入同一个 .PDB 文件，请使用 /FS yolo_cpp_dll C:\Users\administrator\AppData\Local\Temp\tmpxft_00005db0_00000000-6_dropout_layer_kernels.compute_75.cudafe1.cpp 1 ``` ```PowerShell MSB3721 命令“"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\nvcc.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 Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\HostX86\x64" -x cu -IC:\opencv\build\include -IC:\opencv_3.0\opencv\build\include -I..\..\include -I..\..\3rdparty\stb\include -I..\..\3rdparty\pthreads\include -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" -I\include -I\include -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include" --keep-dir x64\Release -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 /Fdx64\DLL_Release\vc142.pdb /Zi /MD " -o x64\DLL_Release\dropout_layer_kernels.cu.obj "D:\darknet\src\dropout_layer_kernels.cu"”已退出，返回代码为 2。 yolo_cpp_dll C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations\CUDA 10.1.targets 757 ``` ### 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 `darknet\build\darknet\x64` 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 `darknet\build\darknet\x64\cfg` 目录，将 `yolov4.cfg` 拷贝到项目 `Cfg` 文件夹 * 4、进入 `darknet\build\darknet\x64\data` 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 [【点击下载】](https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights) ### 项目文件 代码下载：[【Github】](https://github.com/zhang8043/YoloWrapper) * `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 * `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 ```C# using System; using System.Runtime.InteropServices; namespace YoloWrapper { public class YoloWrapper : IDisposable { private const string YoloLibraryName = @"\Dlls\yolo_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.Copy(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` ```C# using System.Runtime.InteropServices; namespace YoloWrapper { [StructLayout(LayoutKind.Sequential)] public struct BboxContainer { [MarshalAs(UnmanagedType.ByValArray, SizeConst = 1000)]