yolov5 c++和onnxruntime linux ubutnu部署实现

yolov5_cpp项目说明文档

这个项目是一个使用YOLOv5模型进行目标检测的应用程序，它可以处理图片和视频。
同时，它使用了LIME算法 (Low-light Image Enhancement) 来增强输入图像的质量。
在处理过程中，此程序将显示三个窗口：原始输入帧、目标检测后的帧以及LIME增强后的检测帧。
C++ YOLO v5 ONNX Runtime inference code for object detection.

Struct

├── build.sh             # 构建脚本
├── CMakeLists.txt       # CMake构建文件
├── images               # 示例图片和视频文件
├── include              # 头文件
│   ├── cmdline.h        # 命令行解析
│   ├── detector.h       # YOLO检测器定义
│   ├── lime.h           # LIME算法定义
│   ├── utils.h          # 实用工具函数
│   └── visualizer.h     # 可视化工具函数
├── lime                 # LIME算法相关文件
├── models               # 预训练YOLOv5模型和类别名称文件
├── README.md            # 项目说明文档
└── src                  # 源代码文件
    ├── add_fps.cpp      # 添加FPS显示功能
    ├── add_lime.cpp     # 添加LIME功能
    ├── add_thread.cpp   # 添加多线程功能
    ├── detector.cpp     # YOLO检测器实现
    ├── lime.cpp         # LIME算法实现
    ├── main.cpp         # 主程序
    ├── utils.cpp        # 实用工具函数实现
    └── visualizer.cpp   # 可视化工具函数实现

Dependecies:

• OpenCV 4.x
• ONNXRuntime 1.12.0
• OS: Tested on Windows 10 and Ubuntu 20.04
• CUDA 11+ [Optional]

Build

To build the project and run the following commands

cd yolov5_cpp
./build.sh
cd build

or

mkdir build
cd build
cmake
make

Run

Before running the executable you should convert your PyTorch model to ONNX if you haven’t done it yet. Check the official tutorial.

On Windows: to run the executable you should add OpenCV and ONNX Runtime libraries to your environment path or put all needed libraries near the executable (onnxruntime.dll and opencv_world.dll).

Run from CLI,the --gpu(option):

• -m 或 --model_path：ONNX模型文件的路径
• -c 或 --class_names：类别名称文件的路径
• -i 或 --input：输入图像或视频文件的路径
• –gpu：（可选）使用GPU加速

./build.sh
cd build
./yolov5_cpp -m ../models/yolov5s.onnx -c ../models/coco.names -i ../images/bus.jpg --gpu
# On Windows ./yolo_ort.exe with arguments as above

References

• YOLO v5 repo: https://github.com/ultralytics/yolov5
• YOLOv5 Runtime Stack repo: https://github.com/zhiqwang/yolov5-rt-stack
• ONNXRuntime Inference examples: https://github.com/microsoft/onnxruntime-inference-examples