C#调用yolov5模型转化onnx模型实现C#模型部署

一、yolov5是深度学习的一个目标检测算法，具有很强的实现能力。本篇文章主要是讲如何用C#读取yolov5模型做目标检测

二、首先C#+yolov5肯定是要训练模型

         1.选用yolov5-7.0

          2.有几个包需要注意  除此之外的其他包都可pip

                  opencv-4.7.0

                  torch-1.13.0  torchaudio-0.13.0  torchvision-0.14.0   cuda-11.7  cudnn只要和cuda对应就行cudnn-windows-x86_64-8.7.0.84_cuda11-archive

               注意torch我装的是cuda版本的调用的是gpu 所以如果你要用gpu需要配置cuda和cudnn

      三、至于yolo的训练不用我多说了吧

             配置好环境然后标注训练，就行，如果你的设备不行，并且电脑的内存还够看那就可以用内存跑   用pycharm打开终端 然后输入 ：

    

python   train.py --cache

   回车就行。

有些人打开终端可能是这个问题，

点击加号旁边的下标，然后选择cmd Prompt就行了，但是这需要确保你的环境导入正确

如果有环境的问题可以再评论区或者私信我，我出一期针对pycharm关联anaconda的文章

yolov5-7.0训练完成后直接用export.py 文件就可以转化onnx了

转化好的onnx模型用Netron打开查看一些输入和输出 确保能正常调用

点击images查看  这样就是转化成功了

四、对于经常玩深度的人来说前面的可以忽略了，下面开始yolov5net+C#

      首先我们去官网上下载  yolov5-net源码文件

     然后用vs2022打开.sln文件，最好是vs2022

    

     点开modls文件夹里的P5文件

       

改类别  这个类别要和源码类别的维度相同才行，比如说你有5个类别那你就得在你的类别上加5就是10

这个地方是你改的类别名

上面那个output0是你onnx模型输出，注意这个必须要对应

因为Yolov5Net.Scorer本身是个库类  所以你更改后需要重新生成dll库 这个库会出现再你的src\Yolov5Net.Scorer\bin\Debug\netstandard2.0这个路径中

 你还需要下载几个包再NuGet工具包里下载

C# 项目编译环境为>=.NET5.0,案例使用的是.NET6.0
需要安装以下库：
Microsoft.ML.OnnxRuntime 
OpenCvSharp4.Extensions 
OpenCvSharp4.Windows 

2、打开这个文件Yolov5Net.App

               

     然后更改

这些就可以了

2、在创建一个winfrem net6.0
然后导入：Yolov5Net.Scorer.dll

生成的dll库放入你编写的桌面应用程序的bin/debug里

打开form1代码

写入注意需要把你转化的的模型放到你的winform控件的bin/debug中

using OpenCvSharp;
using Yolov5Net.Scorer;
using Yolov5Net.Scorer.Models;
using Point = OpenCvSharp.Point;

namespace YOLO_WinformDemo
{
    /// <summary>
    /// 此项目使用.NET6编译
    /// </summary>


    public partial class Form1 : Form
    {
        YoloScorer<YoloCocoP5Model> scorer;

        string filePath = "";
        public Form1()
        {
            InitializeComponent();

            //加载模型地址
            scorer = new YoloScorer<YoloCocoP5Model>(Application.StartupPath + "bestnewutd8.onnx");

        }

        private void btn_selectFile_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFile = new OpenFileDialog();
            if (openFile.ShowDialog() == DialogResult.OK)
            {
                filePath = openFile.FileName;
                using var image = Image.FromFile(openFile.FileName);

                picbox_Display.BackgroundImage = AddInfoToImage(image);


            }

        }
        /// </summary>
        /// <param name="inputImage"></param>
        /// <returns></returns>
        public Image AddInfoToImage(Image inputImage)
        {

            DateTime start = DateTime.Now;
            List<YoloPrediction> predictions = scorer.Predict(inputImage);

            if (predictions.Count == 0)
            {

                return inputImage;

            }
            else
            {

                Mat inputMat = Cv2.ImRead(filePath, ImreadModes.Color);
                foreach (YoloPrediction prediction in predictions)
                {

                    Point p1 = new Point(prediction.Rectangle.X, prediction.Rectangle.Y);//矩形左上顶点
                    Point p2 = new Point(prediction.Rectangle.X + prediction.Rectangle.Width, prediction.Rectangle.Y + prediction.Rectangle.Height);//矩形右下顶点
                    Point p3 = new Point(prediction.Rectangle.X, prediction.Rectangle.Y - 60);
                    Scalar scalar = new Scalar(0, 0, 255);
                    Cv2.Rectangle(inputMat, p1, p2, scalar, 7);
                    Cv2.PutText(inputMat, prediction.Label.Name + " " + Math.Round(prediction.Score, 2), p3, HersheyFonts.HersheyDuplex, 2, scalar, 4);

                }

                DateTime end = DateTime.Now;
                label1.Text = "耗时：" + (end - start).TotalMilliseconds.ToString();

                return OpenCvSharp.Extensions.BitmapConverter.ToBitmap(inputMat);


            }

        }






    }
}

然后就可以了，

有问题评论区提问