c#版 yoloV8s视觉检测框架

于 2024-03-31 09:44:31 发布
阅读量762 收藏 1
点赞数 19
分类专栏： Yolov8s视觉检测模型 文章标签： 人工智能 opencv 计算机视觉 目标检测 tensorflow YOLO 视觉检测
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/wuminghang/article/details/137191959
版权


基于onnxRuntime，使用c#版实现的基于YoloV8s模型的视觉检测框架,yolov9模型也可使用

1、使用c#开发语言基于onnxRuntime实现

2、支持YoloV8s模型

3、支持：图片分类、物体检测、Sam分割、Pose姿态检测/动作、OBB旋转框、动作关键点预测

4、支持CPU、GPU，一键切换使用Cpu或者Gpu运行

5、支持集成显卡、Nvidia显卡、amd显卡的推理

6、使用电脑无需配置cuda和cudnn,无环境GPU推理，无需安装Cuda

7、自带绘制图形函数，可同步返回推理结果图片和推理数据信息

8、毫秒级推理，运行速度快，几行代码即可调用，自动识别模型，无需单独设置模型参数

9、封装类中含有大量注释，从预处理到后处理，轻松学会整个推理过程

如有需求的，可以联系作者

贤小二AI
关注
  • 19
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
yolov8s-seg.pt模型文件
03-27
yolov8s-seg.pt模型文件
C# winform部署yolov8-onnx手势识别模型源码(含pt模型)
01-03
测试环境： vs2019 net framework4.7.2 onnxruntime1.16.3 博客地址： blog.csdn.net/FL1623863129/article/details/135354713 视频演示： bilibili.com/video/BV1L64y1E7Fc/
开发者实战 | 基于 C# 和 OpenVINO™ 2023.0部署 YOLOv8 全系列模型
OpenVINOCC的博客
07-20 3779
点击蓝字关注我们,让开发变得更有趣以下文章来源英特尔物联网文章作者：颜国进 飞桨开发者技术专家(PPDE)，OpenVINOSharp 工具包作者，中国矿业大学硕士研究生文章指导：杨雪锋 英特尔边缘计算创新大使，中国矿业大学副教授1基于 C# 和 OpenVINO™2023.0部署YOLOv8 全系列模型1.1项目简介1.1.1OpenVINO™英特尔发行版 OpenVINO™ 工具套件基于 ...
【Yolov8】基于C#和OpenVINO部署Yolov8全系列模型
grape_yan的博客
04-19 4437
该项目主要基于OpenVINO™模型部署套件，在C#平台部署Yolov8模型，包括Yolov8系列的对象检测、图像分割、姿态识别和图像分类模型，实现C#平台推理加速Yolov8模型。
yolov8_onnx_c#_winform部署
Priplex的博客
08-17 1105
/ 解决【预定义类型“System.Runtime.CompilerServices.IsExternalInit”未定义或导入】1、选择Windows窗体应用(.NET Framework)record报错：修改项目文件。
【Yolov8】基于C#和TensorRT部署Yolov8全系列模型
grape_yan的博客
04-19 5907
该项目主要基于TensorRT模型部署套件，在C#平台部署Yolov8模型，包括Yolov8系列的对象检测、图像分割、姿态识别和图像分类模型，实现C#平台推理加速Yolov8模型。
YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x)
06-23
YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x) YOLOv8 pretrained Detect models are shown here. Detect, Segment and Pose models are pretrained on the COCO dataset, while Classify ...
C# Onnx Yolov8 Detect yolov8n、yolov8s、yolov8m、yolov8l、yolov8x 对比
12-22
C# Onnx Yolov8 Detect yolov8n、yolov8s、yolov8m、yolov8l、yolov8x 对比源码 博客地址：https://lw112190.blog.csdn.net/article/details/135144906
yolov8s-worldv2.onnx
最新发布
05-07
yolov8s-worldv2.onnx
yolov8s-pose.pt
04-08
yolov8s-pose.pt
C# winform openvino部署yolov8目标检测模型源码
01-03
测试环境： vs2019 netframework4.8 opencvsharp4.8.0 opencvsharp 注意无需额外安装openvino运行库直接可以运行 博客地址： blog.csdn.net/FL1623863129/article/details/135373600 视频演示： bilibili.com/video/BV1Pi4y1z7H3/
C# winform yolov8-onnx图像分类模型部署源码
01-03
【视频演示】 bilibili.com/video/BV1Se411v7oy/ 【博客地址】 blog.csdn.net/FL1623863129/article/details/135359963 【测试环境】 vs2019 net framework4.7.2 opencvsharp4.8.0
C# opencvsharp部署yolov8-pose onnx模型源码
01-02
【测试环境】 vs2019 net framework4.7.2 【视频演示】 bilibili.com/video/BV1T64y1E7ws/ 【博客地址】 https://blog.csdn.net/FL1623863129/article/details/135338650
C# OpenCvSharp Yolov8 Pose 姿态识别
lw112190的专栏
10-07 1446
C# OpenCvSharp Yolov8 Pose 姿态识别
【OpenVINO】 基于C#和OpenVINO2023.0部署Yolov8全系列模型
grape_yan的博客
08-10 1704
英特尔发行版 OpenVINO™ 工具套件基于oneAPI 而开发，可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件，适用于从边缘到云的各种英特尔平台上，帮助用户更快地将更准确的真实世界结果部署到生产系统中。通过简化的开发工作流程， OpenVINO™ 可赋能开发者在现实世界中部署高性能应用程序和算法。
C#yolo8/yolo9实现分类、检测、分割、关键点、obb旋转框 全兼容,全网最强调用框架
BW_SOFTWARE的博客
11-15 1479
C#使用OnnxRuntime和OpenCvSharp实现的分类、检测、分割、动作。超高速推理，并且自动识别版本和类型，3行代码即可调用
C# winform加载yolov8模型测试（附例程）
oHuanCheng的博客
08-26 3036
链接：https://pan.baidu.com/s/1eDNsb2x2bR26gpMtM-fLdA?第二步：引用 using Yolov8Net;第一步：在NuGet中下载Yolov8.Net。
机器视觉-使用C#进行Yolov8推理
诸葛建站
02-17 813
Windows 窗体应用可以使用一些现成的C#类库实现yolov8的predict功能, 本文使用https://github.com/dme-compunet/YoloV8 项目的nuget包. 集成方法非常简单, 但发现这种方式预测准确度下降了很多, 看来还是使用Python API预测更好一些. GPU版环境准备 选定 Onnx runtime 版本, https://onnxrunti...
yolov8s框架解析
09-21
YOLOv8s框架是一种基于YOLOv3的目标检测算法，它采用了一系列的改进来提高检测的精度和速度。下面是YOLOv8s框架的一些解析要点： 1. Backbone网络：YOLOv8s使用Darknet53作为其主干网络(backbone)，它是一个53层的卷积神经网络。Darknet53能够提取图像的高级特征，有助于提高检测性能。 2. 特征金字塔(FPN)：YOLOv8s引入了特征金字塔网络(FPN)，以便在不同尺度上检测不同大小的目标。FPN通过在网络中引入多个特征层，将底层特征与高层特征相结合，从而实现了多尺度的目标检测。 3. Neck部分：YOLOv8s使用了PANet作为其neck部分，PANet能够有效地提取多尺度特征并融合它们，提高了目标检测的精度。 4. Head部分：YOLOv8s的头部网络由多个卷积层和全连接层组成，用于生成目标检测的边界框和类别概率。与YOLOv3相比，YOLOv8s还引入了SE模块和SAM模块来增强特征表示能力。 5. 训练策略：YOLOv8s使用了一种称为"CutMix"的数据增强方法，它将多个图像进行混合，以产生更多的训练样本。此外，YOLOv8s还使用了学习率预热、余弦退火等策略来优化模型的训练过程。

“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
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