PaddleDetection Windows C++编译使用指南(含PPYOLO v2、PPYOLO tiny测试)

导读

本文主要介绍PaddleDetection在Windows C++的编译和使用步骤。包括笔者的各种爬坑记录以及对PPYOLO v2、PPYOLO tiny模型的测试。

背景介绍

撰写本文的兴趣也是来自于前段时间各博客和公众号纷纷吹爆的PPYolo v2(介绍看下面链接)，所以抽空来使用测试一下，让新手少迷路。

​​PP-YOLOv2开源，你的目标检测器又该升级了！性能超越YOLOv5且推理耗时保持不变​​

编译使用步骤

本文使用环境：Win10 + VS2017 + CMake3.16 + OpenCV4.4

编译详细步骤：

【1】下载PaddleDetection源码，最新分支2.1.0版本

​​https://github.com/paddlepaddle/paddledetection/tree/release/2.1​​

【2】下载最新Paddle预测库(根据需要选择CPU或者GPU版本)

​​https://paddleinference.paddlepaddle.org.cn/user_guides/download_lib.html#windows​​

【3】CMake编译VS2017 x64，注意Paddle、OpenCV、GPU(如果选择GPU)路径，最后Configure、Generate Done，打开PaddleObjectDetector.sln

编译CPU版：

编译GPU版：

【4】切换Release x64模式，设置main为启动项。​

设置main属性中输入--附加依赖项lib为paddle_inference.lib。

重新生成ALL_Build，报错：无法打开包括文件: “dirent.h”: No such file or directory

解决方法：下载Dirent,添加包含路径，重新生成

​​https://github.com/tronkko/dirent​​

报错：C3861“lstat”: 找不到标识符，将lstat改成stat即可

又报错：error MSB3073: 命令“setlocal

解决方法如下：

终于生成main.exe，算是成功了！

【5】模型转换与测试。

① 复制所需的dll到exe同目录，如OpenCV、Paddle_Inference；

② 下载模型：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/configs/ppyolo/README_cn.md

下载后的模型如下：pdparams格式(不能直接使用)

转换后的模型如下：一般包含四个文件(可直接使用)

③ 模型转换：使用tools文件夹下的export_model.py来完成

转换指令：​

python tools/export_model.py -c configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml -o weights=C:\Users\35415\.cache\paddle\weights\ppyolov2_r50vd_dcn_365e_coco.pdparams

​④ 模型测试：

main.exe --model_dir=./model/ppyolov2_r50vd_dcn_365e_coco --image_file=cars.jpg

上面以ppyolov2_r50vd_dcn_365e_coco模型为例，演示了模型转换和测试，如果使用PPYOLO tiny,方法和步骤一致，大家可以自行尝试！

结尾语

【1】 PPYolo v2准确率与速度与官方介绍类似，有兴趣的同学可以训练自己的数据集做测试；

【2】PPYolo tiny速度确实很快，但准确率下降，实际使用还需斟酌。

更多视觉图像处理相关内容，请长按关注：OpenCV与AI深度学习。