yolov5+opencv+java：通过DJL在maven项目中使用yolov5的小demo

最新推荐文章于 2024-03-25 14:25:53 发布
VIP文章 最新推荐文章于 2024-03-25 14:25:53 发布
阅读量5.8k 收藏 26
点赞数 2
分类专栏： 面试 学习路线 阿里巴巴 文章标签： java opencv maven 数据库 mysql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_67401606/article/details/125346061
版权

目录

前言

这篇博客主要是介绍如何通过djl在java中调用yolov5进行推理，顺便也学习了一下在java上的opencv api。
Deep Java Library是由亚马逊（Amazon）提供的一个深度学习工具包，能够让java开发者在java上调用目前主流的深度学习框架，像pytorch、tensorflow、mxnet、paddlepaddle(飞桨居然也有份??)，也包括onnx格式的模型。

环境

导出yolov5s模型

这次demo就直接使用yolov5s的预训练模型。yolov5项目本身就自带了非常完善的模型导出脚本，yolov5的5.0发行版也比之前的版本完善很多。
yolov5的模型导出脚本是models/export.py文件，
在这里插入图片描述
导出之前需要设置一下

  • 权重文件的位置
  • 输入图片的尺寸
  • 是否要输出bbox
  • 模型所在设备
    在这里插入图片描述
    上图红色的框按我的进行设置就行了，绿色的框根据自己的情况进行设置。
    设置好以后运行代码就可以在和权重文件相同的位置找到生成的torchscript模型权重。
    在这里插入图片描述

编写Maven项目

最低0.47元/天 解锁文章
m0_67401606
关注
  • 2
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
人工智能课程设计基于yolov5+opencv的摩托车识别检测项目源码.7z
04-19
人工智能课程设计基于yolov5+opencv的摩托车识别检测项目源码.7z 【项目资源介绍】 可以预测摩托车识别检测 准确率99%，使用yolov5s模型，上万张数据训练模型，带评估指标曲线 可以预测摩托车识别检测 准确率99%，使用yolov5s模型，上万张数据训练模型 可以预测摩托车识别检测 准确率99%，使用yolov5s模型，上万张数据训练模型
基于yolov5+opencv课堂学习状态识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作说明.zip
12-26
基于yolov5+opencv学生课堂学习状态识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作说明.zip基于yolov5+opencv学生课堂学习状态识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作说明.zip基于yolov5+opencv学生课堂学习状态识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作说明.zip 基于yolov5+opencv学生课堂学习状态识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作说明.zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！
Yolov5+Java+Python
KevinJee_
07-19 2030
训练两个测试集，鸟类和工具包。使用yolov5算法能够精准识别对应的信息
英特尔开发套件“哪吒”快速部署YoloV8 on Java
最新发布
英特尔边缘计算社区
03-25 2151
在该项目中，我们基于英特尔开发套件哪吒为硬件基础实现了Java在 Ubuntu 22.04 系统上成功使用OpenVINO™ Java API，并且成功允许了Yolov8模型，验证了Java可以在各种硬件平台上快速部署和运行，同时简化了Java开发者对于AI类项目的上手难度。后续我还会将继续使用 OpenVINO™ Java API 在 英特尔开发套件上部署更多的深度学习模型。
yolov5学习参考
CVPR收割机的博客
08-11 362
yolov5学习参考
【yolov5改编系列之四】多进程调用摄像头（也可以是视频流，如：rtsp://，http://）使两个检测文件同时运行，兵分两路
E_lsobj的博客
08-12 2570
基本原理：detect11.py和detect22.py两个文件是由一般的检测图片的文件改编的。使用方法：在官方yolov5-6.0文件夹中创建三个.py文件，将本节三个部分的内容分别放进去，配置好环境，然后运行process.py。本节内容是采用多进程，使两个detect.py文件同时检测摄像头（也可以是视频流，如：rtsp://，http://）采集到的图像（视频帧）。功能：你可以将其功能拓展，比如两个检测文件可以使用自己训练的不同的权重文件，分别执行不同的功能，分别输出，互不干扰。
Java 执行命令并读取缓冲区内容
zolty
11-30 428
try { Process process = Runtime.getRuntime().exec("sh /home/test.sh"); BufferedReader inr = new BufferedReader(new InputStreamReader(process.getInputStream(),"GBK")); String line = null; while ((line...
YOLOv8目标检测实战：Android手机部署
05-24
YOLOv8 目标检测基于先前 YOLO 版本的成功，引入了新功能和改进，进一步提升了性能和灵活性。本课程在Windows上手把手演示YOLOv8（YOLOv8n和YOLOv8s）目标检测在Android（安卓）手机进行部署的过程。内容包括：安装软件环境、安装PyTorch，克隆和安装YOLOv8，导出onnx模型，onnx转换成NCNN文件，安装Android Studio，准备Android项目文件(下载项目文件、放置ncnn文件、放置ncnn和opencv的android文件)，手机连接电脑并编译软件(安装投屏软件、手机连接电脑配置、编译和调试、导出签名apk)，自己数据集训练模型的部署，项目代码解析（安卓的JNI机制、C++代码、Java代码）。
使用Java调用Yolo模型的方法与步骤
m0_61789994的博客
05-16 5394
Yolo（You Only Look Once）是一种基于深度学习的目标检测算法，它可以在一张图像中同时检测出多个目标，并给出它们的位置和类别。相比于传统的目标检测算法，Yolo算法具有检测速度快、精度高等优点，因此在实际应用中得到了广泛的应用。Yolo模型是一种高效的目标检测算法，具有快速、准确、实时等优点。通过使用Java调用Yolo模型，我们可以在Java应用程序中实现目标检测功能，从而满足各种应用场景的需求。
使用Java调用Yolo模型的准备工作与输入输出
m0_61789994的博客
06-11 3159
Yolo是一种基于深度学习的目标检测算法，通过将目标检测任务转化为一个回归问题，直接在图像级别上预测边界框和类别信息。相比于传统的两步检测方法（如R-CNN系列），Yolo算法具有更快的速度和更好的实时性能。Yolo（You Only Look Once）是一种流行的实时目标检测算法，具有高效性和准确性。Yolo算法的主要思想是将目标检测问题转化为一个回归问题，并使用单个卷积神经网络同时预测目标的位置和类别。本文介绍了如何使用Java调用Yolo目标检测模型，并给出了相关示例代码。
使用 java-onnx 部署 yolovx 目标检测
热门推荐
这个人很懒什么都没有~
03-21 1万+
这里使用 --include torchscript onnx 生成 onnx 文件，并指定 --opset 16，后续使用 com.microsoft.onnxruntime Java 库加载依赖时要求 opset 不超过16.流程是加载权重，输入图片，将图片resize到模型输入的shape，预测完了之后解析 25200*85，根据置信度、nms等阈值进行过滤，然后将过滤剩下的框将坐标按照缩放比例转换到原始图像坐标系中，最后标注即可。
基于yolov5+opencv眼睛嘴巴识别检测源码(带GUI界面)+训练好的模型+评估指标曲线+操作使用说明.zip
12-12
基于yolov5+opencv眼睛嘴巴识别检测源码(带GUI界面)+训练好的模型+评估指标曲线+操作使用说明.zip 该项目是识别检测 人的眼睛和嘴巴，并显示出人眼和嘴巴的位置框及置信度 带GUI界面，训练好的模型，评估指标曲线，如map(高)、召回率、loss曲线、精确度曲线等 另外附有项目操作说明 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。 有问题，可以留言或者私信
基于YOLOv5+OpenCV+Qt实现字符自动检测区域截取和板坯字符识别源码+图片（高分项目）.rar
04-15
1、资源内容：基于YOLOv5+OpenCV+Qt实现字符自动检测区域截取和板坯字符识别源码+图片（高分项目）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
基于yolov5+opencv人丢垃圾识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.zip
12-26
基于yolov5+opencv人丢垃圾识别检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.zip 数据集多数为摄像头抓拍人丢垃圾，垃圾主要是常见的垃圾袋、纸盒、泡沫等 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。
基于yolov5+opencv苹果叶病害识别检测源码(3类病害，带GUI界面)+训练好的模型+评估指标曲线+操作使用说明.zip
01-12
基于yolov5+opencv苹果叶病害识别检测源码(3类病害，带GUI界面)+训练好的模型+评估指标曲线+操作使用说明.zip yolov5算法+opencv实现，pyqt5开发GUI界面。 资源带项目完整源码，3090Ti显卡迭代120次训练好的模型，...
YOLOv5部署，并实现Java客户端向Python服务端发送请求进行图片火苗检测
枯木何日可逢春
07-20 1119
YOLOv5部署，并实现Java客户端向Python服务端发送请求进行图片火苗检测
如何在其它项目中调用yolov5模型
weixin_43568307的博客
04-17 3119
将yolov5添加到自己的项目中，调用yolov5模型进行目标检测。
java深度学习之DJL迁移学习
zsj777的专栏
02-01 1052
1、数据集很小，数据相似性很高 考虑这个kaggle数据集(https://www.kaggle.com/mriganksingh/cat-images-dataset)。这包括猫的图像和其他非猫的图像。它有209个像素64*64*3的训练图像和50个测试图像。这显然是一个非常小的数据集，但我们知道ResNet是在大量动物和猫图像上训练的，所以我们可以使用ResNet作为固定特征提取器来解决我们的猫与非猫的问题。 我们需要冻结除最后一层之外的所有网络。 2、数据的大小很小，数据相似性也很低 考虑来自
yolov5+opencv+java 印章识别
07-29
YOLOv5是一种基于深度学习的目标检测算法，可以快速准确地检测图像中的不同目标。OpenCV是一个流行的计算机视觉库，提供了丰富的图像处理和分析功能。Java是一种常用的编程语言，可以用于开发各种应用程序。 如果想在Java上使用YOLOv5来进行印章识别，首先需要安装配置OpenCV和YOLOv5的相关环境。可以使用JavaCV库来方便地在Java中调用OpenCV的功能，同时也可以使用TensorFlow Java API来加载和使用YOLOv5的模型。 准备工作完成后，我们可以通过以下步骤进行印章识别： 1. 加载和初始化YOLOv5的模型。这包括加载模型文件、配置文件和权重文件，并根据需要进行参数设置。 2. 使用OpenCV读取待识别的图像，并进行预处理。预处理可以包括图像的缩放、归一化等操作，以便符合模型的输入要求。 3. 将预处理后的图像输入到YOLOv5模型中进行目标检测。模型将输出图像中检测到的印章的位置、类别和置信度等信息。 4. 根据模型的输出结果，可以根据置信度进行筛选和过滤，以得到最可信的印章检测结果。 5. 可以使用OpenCV的绘图功能，在原始图像上标注出检测到的印章位置和类别等信息，以便进行可视化展示或进一步的后续处理。 通过以上步骤，我们就可以实现在Java环境下使用YOLOv5和OpenCV进行印章识别。当然，具体实现的细节还需要根据实际情况进行调整和完善，比如模型的训练和优化等。此外，还需要考虑算法的性能和效果等因素，以便得到更好的印章识别结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值