2021.11.01 c++下 opencv部署yolov5-6.0版本 (四)

爱晚乏客游

已于 2024-04-15 18:43:48 修改

阅读量2.7w

点赞数 51

分类专栏：渣渣的yolo踩坑记录文章标签： opencv 人工智能神经网络深度学习

于 2021-11-01 14:17:17 首次发布

本文链接：https://blog.csdn.net/qq_34124780/article/details/121079317

版权

渣渣的yolo踩坑记录专栏收录该内容

7 篇文章 95 订阅

订阅专栏

0、写在最前：

----2022.10.10 更新yolov5-seg实例分割模型：

目前检测项目相关代码已经并入到分割项目中去了，下面的一些代码仅作为参考和理解使用，如果需要运行，请去github下载最新版本的代码，相较于本文章下面的代码，已经优化了很多使用方法。

2022.09.29更新 c++下面使用opencv部署yolov5和yolov7实例分割模型（六）_爱晚乏客游的博客-CSDN博客

-----2022.07.25 更新了下yolov7的部署，有需要的自取

2022.07.25 C++下使用opencv部署yolov7模型（五）_爱晚乏客游的博客-CSDN博客

此篇文章针对yolov5的6.0版本，4.0和5.0版本请看前面三篇的修改。

2022.10.13 更新

有些人使用的是最新的torch1.12.x版本，在导出onnx的时候需要将do_constant_folding=True,这句换成false，否者dnn读取不了onnx文件，而onnxrutime可以，具体原因未知。

torch.onnx.export(
    model.cpu() if dynamic else model,  # --dynamic only compatible with cpu
    im.cpu() if dynamic else im,
    f,
    verbose=False,
    opset_version=opset,
    do_constant_folding=False,
    input_names=['images'],
    output_names=output_names,
    dynamic_axes=dynamic or None)

2022.02.18更新：

最新版的代码在windows下面导出onnx可能会失败，windows10下面请保证pandas>=1.4.0,或者注释掉export.py中的import pandas as pd(pandas的功能暂时未在export.py使用,win10下直接import版本低于1.4.0其他都不干，导出onnx就会失败，原因未知)

2021.12.6更新，增加摄像头和视频检测，需要将drawPred()中的inshow和waitkey注释掉。

	VideoCapture cap(0); //视频检测将0改成视频地址
	while (true) {
		Mat fram;
		cap >> fram;
		vector<Output> result;
		if (test.Detect(fram, net, result))
			test.drawPred(fram, result, color);
		imshow("detect output", fram);
		if (waitKey(2)==27) break; //esc退出
	}
	cap.release();
	destroyAllWindows();

2021.11.04更新，对于图片长宽比过大导致目标检测失败修改，本来想偷懒直接放个图片的。

此篇除了第4点修改检测的代码修改，其他代码和第三篇中的一样！

0、写在最前：

一、yolov5 6.0版本新增对opencv的支持

二、导出onnx模型

三、查看网络结构。

四、修改检测代码

一、yolov5 6.0版本新增对opencv的支持

最新的项目地址可以看下https://github.com/ultralytics/yolov5

二、导出onnx模型

导出onnx的时候需要修改参数，将opset默认值改成12，原来的默认值为13，我测试了opencv4.5.0和4.5.2两个版本，opencv都报错了，将之改成12即可读取。

在export.py中修改下参数（用命令行导出的请加上--opset 12，请注意不要带上dynamic参数，opencv对动态输入支持做的不好，应该是需要opencv4.5.3以上的版本，并且需要TBB支持才行来着）:

三、查看网络结构。

使用netron（www.netron.app）查看下修改onnx版本之后的网络模型，可以看到现在模型有4个输出1，output是另外三个输出的总输出，而另外三个就是之前模型的三个输出口（P3,P4,P5）。所以我们只需要遍历output这个输出口就可以（另外三个输出口是可以单独遍历获取数据，如果你只需要小目标，就可以只遍历P3输出口，中目标为P4输出口，而P5位大目标，但是并不建议这么做就是了，因为大中小并没有具体的区分，只是一个概念性的，实际上小目标也有可能在P4口被检测出来，而且概率比P3口还高也是有可能的。所以如果只需要检测小目标，还不如直接修改网络只要P3出口来的好一些）。