機械学習・AI【物体検出】vol.13 ：Darknet YOLOv4をWindows（CUDA,CuDNN,OpenCV4.3）で動かす

【物体検出】vol.13 ：Darknet YOLOv4をWindows（CUDA,CuDNN,OpenCV4.3）で動かす

2018年3月にJoseph Chet Redmonの本家darknet（https://pjreddie.com/）で公開されたYOLOv3に続き、2020年4月にYOLOv4が公開されました。

公開されている論文によると、YOLOv3と比較して速度はほぼ同等で、mAPが15％ほど向上しているとのことです。

引用：https://github.com/AlexeyAB/darknet

YOLOv4の論文（原文PDF）
https://arxiv.org/pdf/2004.10934.pdf

早速、WindowsにYOLOV4の環境を構築して動かしてみました。
ここでは、環境構築における注意点についてまとめます。

YOLOv4環境の構築

基本的な構築手順はYOLOv3と変わりませんが、GPU（CUDA、cuDNN）の利用について注意が必要です。

YOLOv3の構築手順はこちら【物体検出】vol.1 ：Windowsでディープラーニング！Darknet YOLOv3（AlexeyAB Darknet）をご参考にしてください。

必要な環境

Windows or Linux

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

CUDA 10.0: https://developer.nvidia.com/cuda-toolkit-archive (on Linux do Post-installation Actions)

OpenCV >= 2.4: use your preferred package manager (brew, apt), build from source using vcpkg or download from OpenCV official site (on Windows set system variable OpenCV_DIR = C:\opencv\build - where are the include and x64 folders image)

cuDNN >= 7.0 for CUDA 10.0https://developer.nvidia.com/rdp/cudnn-archive (on Linux copy cudnn.h,libcudnn.so... as desribed here https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux-tar , on Windows copy cudnn.h,cudnn64_7.dll, cudnn64_7.lib as desribed here https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows )

GPU with CC >= 3.0: https://en.wikipedia.org/wiki/CUDA#GPUs_supported

on Linux GCC or Clang, on Windows MSVC 2015/2017/2019https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community

今回構築した環境

HP　OMEN　880-000jp　Desktop
i7 7700 3.6GHz*8、メモリ32GB
NVidia　GeForce　GTX1070　8GB
Windows10Professional　64bit
OpenCV　4.3.0（バイナリでインストール）
CUDA　10.2.89
cuDNN　7.6.5.32
VisualStudio　Community　2017

CUDAとOpenCVのインストール

今回、CUDAとOpenCVは2020年6月現在における最新版をインストールしました。

インストールが完了したら、環境変数にそれぞれのPathが設定されているか、必ず確認してください。
環境変数が設定されていないと、darknet.exeの実行時にGPUが利用できません。

環境変数

CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
CUDA_PATH_V10_2：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
OPENCV_DIR：OpenCVを設置したディレクトリ\build
Path：OpenCVを設置したディレクトリ\build\x64\vc15\bin

darknetの最新版をダウンロード

https://github.com/AlexeyAB/darknet　から最新版をダウンロードして、userディレクトリに配置します。

今回は alexeyab_darknet_v4 というディレクトリに配置しました。

GPUを使えるようにするために

GPU（CUDA、cuDNN）を利用できるようにするには、CMakeとVisualStudioのビルドの際に設定を変更する必要があります。

CMake

cmake-guiでdarknetソースコードのパスと、バイナリを配置するパスを指定。

"Configure"をクリックして、ENABLE_CUDA、ENABLE_CUDNN、ENABLE_OPENCV、ENABLE_CUDNN_HALFにチェックが入っているかを確認します。

再度"Configure"をクリックして、問題がなければ"Generate"をクリックしてVisualStudioのプロジェクトを生成します。

VisualStudioの設定

CMakeの出力先に生成されたDarknet.slnをVisualStudioで開きます。

ソリューションエクスプローラー内にある'darknet'を右クリックして、プロパティを選択。

構成で「Release」、プラットフォームで「x64」を選択して、構成プロパティの中からC/C++ -> プリプロセッサを開きます。
その中のプリプロセッサの定義を編集して、「CUDNN_HALF」を追加します。

あとはVisualStudioでソリューションのビルドを実行すれば、darkne.exeなどのファイルができあがります。

動作確認

> darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25
CUDA-version: 10020 (10020), cuDNN: 7.6.5, CUDNN_HALF=1, GPU count: 1
CUDNN_HALF=1
OpenCV version: 4.3.0

できあがったdarknet.exeを実行してみて、上記のように「CUDNN_HALF=1」などが表示されていればOKです。

これでYOLOv4の環境が構築できました。