Skip to content

Latest commit

 

History

History
85 lines (57 loc) · 3.76 KB

windows_build.md

File metadata and controls

85 lines (57 loc) · 3.76 KB
Raw

Windows平台口罩人脸检测及分类模型C++预测部署

1. 系统和软件依赖

1.1 基础依赖

  • Windows 10 / Windows Server 2016+ (其它平台未测试)
  • Visual Studio 2019 (社区版或专业版均可)
  • CUDA 9.0 / 10.0 + CUDNN 7.3+ (不支持9.1/10.1版本的CUDA)

1.2 下载OpenCV并设置环境变量

  • 在OpenCV官网下载适用于Windows平台的3.4.6版本: 点击下载
  • 运行下载的可执行文件，将OpenCV解压至合适目录，这里以解压到D:\projects\opencv为例
  • 把OpenCV动态库加入到系统环境变量
    • 此电脑(我的电脑)->属性->高级系统设置->环境变量
    • 在系统变量中找到Path（如没有，自行创建），并双击编辑
    • 新建，将opencv路径填入并保存，如D:\projects\opencv\build\x64\vc14\bin

注意: OpenCV的解压目录后续将做为编译配置项使用，所以请放置合适的目录中。

1.3 下载PaddlePaddle C++ 预测库

PaddlePaddle C++ 预测库 主要分为CPU和GPU版本， 其中GPU版本提供CUDA 9.0 和 CUDA 10.0 支持。

常用的版本如下：

版本 链接
CPU+MKL版 fluid_inference_install_dir.zip
CUDA9.0+MKL 版 fluid_inference_install_dir.zip
CUDA10.0+MKL 版 fluid_inference_install_dir.zip

更多不同平台的可用预测库版本，请点击查看 选择适合你的版本。

下载并解压, 解压后的 fluid_inference目录包含的内容：

fluid_inference_install_dir
├── paddle # paddle核心库和头文件
|
├── third_party # 第三方依赖库和头文件
|
└── version.txt # 版本和编译信息

注意： 这里的fluid_inference_install_dir 目录所在路径，将用于后面的编译参数设置，请放置在合适的位置。

2. Visual Studio 2019 编译

  • 2.1 打开Visual Studio 2019 Community，点击继续但无需代码， 如下图： step2.1

  • 2.2 点击 文件->打开->CMake, 如下图： step2.2

  • 2.3 选择本项目根目录CMakeList.txt文件打开， 如下图： step2.3

  • 2.4 点击：项目->PaddleMaskDetector的CMake设置 step2.4

  • 2.5 点击浏览设置OPENCV_DIR, CUDA_LIB 和 PADDLE_DIR 3个编译依赖库的位置, 设置完成后点击保存并生成CMake缓存并加载变量 step2.5

  • 2.6 点击生成->全部生成 编译项目 step2.6

3. 运行程序

成功编译后， 产出的可执行文件在项目子目录out\build\x64-Release目录， 按以下步骤运行代码：

  • 打开cmd切换至该目录
  • 运行以下命令传入口罩识别模型路径与测试图片
main.exe ./pyramidbox_lite_server_mask/ ./images/mask_input.png

第一个参数即PaddleHub导出的预测模型，第二个参数即要预测的图片。

运行后，预测结果保存在文件result.jpg中。

预测结果示例:

output_image