C#部署Yolov5步骤

已于 2023-11-24 12:37:17 修改
阅读量4.1k 收藏 39
点赞数 7
分类专栏： C# 文章标签： c# YOLO 开发语言
于 2023-03-17 15:25:26 首次发布
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/xuehao555/article/details/129619054
版权

c#部署Yolov5

1.导出ONNX模型

  1. 通过yolov5中的export.py导出ONNX模型。将export.py文件中的参数按训练的修改，如：‘–data’、‘–weights’、‘–imgsz’。点击运行。

2.C#调用yolo的

1. 下载C#运行YOLOv5的代码

1.github中有一个使用C#运行YOLOv5的代码：Yolov5Net

2. 安装程序包

  1. 安装如下第一个软件包。

软件包
需要安装以下库：
Microsoft.ML.OnnxRuntime.Gpu （ONNX运行时）
OpenCvSharp4.Extensions （输出图像框定对象使用）
OpenCvSharp4.Windows （输出图像框定对象使用）

3. 修改YoloCocoP6Model中的参数

  1. 我用yolov5-v6.1版本（yolov5-v5.0版本报超出索引，不知道为啥）。
  2. yolov5-v6.1版本需要用YoloCocoP6Model.cs，修改参数：
    1）将图片宽高（Width/Height）改为与模型训练/测试的相同。
    2）Dimensions为：标签种类+5。
    3）将Labels函数中的参数改为自己的标签。

参数修改

4.C#使用ONNX模型

  1. ONNX通过scorer调用，路径为绝对路径，使用的yolov5-v6.1版本。使用v5.0报错。
  2. 图片路径也为绝对路径。
  3. scorer = new YoloScorer(@“D:\skye\Yolov5Net-v1.0\Yolov5NetW\bin\best.onnx”, SessionOptions.MakeSessionOptionWithCudaProvider(0));—使用GPU检测。

在这里插入图片描述参考文章：
参考文章

xuehao555
关注
  • 7
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
VS2019c#版本YOLOv5视觉检测
05-08
VS2019c#版本YOLOv5视觉检测，net5.0以上
C#使用YOLOv5进行人体检测
04-29
C#使用YOLOv5进行人体检测
Yolov5学习全过程：训练+运行+c#部署（无理论全实操）
热门推荐
weixin_49983900的博客
05-20 1万+
Yolov5学习全过程：训练+运行+c#部署（无理论全实操）
C#简单使用Yolov5的Onnx格式模型进行目标检测
冰凌的博客
01-28 1523
值得一提的是，你还需要准备一张图片，修改名字为down.jpeg也放到这个目录下，如果找不到，直接从我的博客下也行。最近要离职了，同事需要了解一下C#如何使用yolov5系列onnx格式模型进行目标检测，由于其对C#不熟练，可能会影响公司后续的开发进度，所以趁着还在，赶紧把手尾搞好。3、准备好我们的onnx文件和一个json格式的配置文件 ，如果你没有的话，可以到我的码云里下载。5、运行程序，查看结果，其中k为kind，c为confidence。down.jpeg【网络获取，觉侵联删】
OpenVINO C# API 部署 YOLOv9 目标检测和实例分割模型
最新发布
英特尔边缘计算社区
03-28 2247
在该项目中，我们结合之前开发的 OpenVINO™ C# API 项目部署YOLOv9模型，成功实现了对象目标检测与实例分割，并且根据不同开发者的使用习惯，同时提供了OpenCvSharp以及Emgu.CV两种版本，供各位开发者使用。
YOLO V5 ONNX模型在C# 中部署
weixin_40671962的博客
12-11 4849
完整项目（VS2022）链接：https://pan.baidu.com/s/17jQUx-Dp0YYC4YWzYLs0AA?pwd=yzj9提取码：yzj9。
利用YOLO实现自己的目标检测
wf15725243865的博客
05-12 1万+
因为很多是我按照记忆来写的，可能会有错误，大家一定按照给的链接为准，参考这些即可。。。。。最近，在师哥的引导下，接触了一下YOLO算法，是近年来一个比较好的目标检测算法，而且它有自己的开源深度学习框架—darknet，使用起来比较简单，对于我一个新手来说，挺直白的这个，可以学习一下。我是在ubuntu16.04下配置的darknet，darknet的安装比较简单，官网上有详细的步骤，按部就班就能装...
C# 部署YOLOv5 初步结果
weixin_45800731的博客
09-08 7474
C#使用YOLO模型的学习全过程
Yolo5训练+部署到C# winform推理
weixin_45440277的博客
12-22 1434
记录Yolo5 C#部署过程。
【TensorRT】基于C#调用TensorRT 部署Yolov5模型 - 上篇：构建TensorRTSharp
grape_yan的博客
01-05 3551
目前TensorRT无法直接在C#调用函数接口实现模型部署，此处利用动态链接库功能，构建TensorRTSharp，实现C#部署模型。
C#部署YOLOV5-6.1版本
partcompany1的博客
03-06 1576
C# 部署onnx目标检测模型（YOLOv5） 打开yolov5 6.1中的 export.py文件，修改代码，选择自己训练出来的模型路径（导出onnx前要提前配置环境），然后运行就能导出一个onnx模型。
C#语言对 YOLOv4 目标检测算法封装
03-26
借鉴大神代码 写了个dome采用C#语言对 YOLOv4 目标检测算法封装，将模型在实际应用系统中落地，实现模型在线远程调用 。希望对大家有所帮助
Yolov5Wpf:使用ML.NET部署YOLOV5的ONNX模型
03-14
约洛夫5Wpf 使用ML.NET部署YOLOV5的ONNX模型
C# Onnx yolov8 building segmentation 源码
12-22
C# Onnx yolov8 building segmentation 源码 博客地址：https://lw112190.blog.csdn.net/article/details/135151894
Alturos.Yolo：C＃Yolo暗网包装器（实时对象检测）
02-05
阿尔特罗斯·尤洛 最新的C＃实时对象检测系统（Visual Studio）。 该项目具有CPU和GPU支持，使用GPU可以更快地进行检测。 该项目的主要目标是易于使用yolo，该软件包可在nuget上使用，您只需安装两个软件包即可开始检测。 在后台，我们使用Windows Yolo版本的 。 将图像路径或字节数组发送到并接收检测到的对象的位置。 我们的项目旨在将对象类型和-position返回为可处理数据。 该库支持 NuGet 通过快速安装Alturos.Yolo PM> install-package Alturos.Yolo (C# wrapper and C++ dlls 28MB
C# winform部署yolov5-onnx模型源码
01-08
测试环境 vs2019 netframework4.7.2 onnxruntime1.16.3 opencvsharp4.8.0 注意模型在yolov5-6.0和yolov5-7.0测试通过，不支持 博客地址： https://blog.csdn.net/FL1623863129/article/details/135451025
C# OpenCvSharp DNN 部署yolov5旋转目标检测 源码
12-13
C# OpenCvSharp DNN 部署yolov5旋转目标检测 源码 博客地址： https://lw112190.blog.csdn.net/article/details/134972458
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# winform yolov8-onnx实例分割模型部署源码
01-03
测试环境 vs2019 net framework4.7.2 opencvsharp4.8.0 onnxruntime1.16.3 博客地址： https://blog.csdn.net/FL1623863129/article/details/135361259 视频演示： bilibili.com/video/BV17c411b7HL/
C#部署yolov8
07-27
要在C#中部署YOLOv8，你可以按照以下步骤进行操作： 1. 首先，你需要将YOLOv8的模型文件和权重文件下载到本地。你可以从YOLO官方的GitHub仓库中获取这些文件。 2. 在C#项目中，你需要使用一个深度学习框架，如TensorFlowSharp、CaffeSharp或ONNX Runtime来加载和运行YOLOv8模型。这里以TensorFlowSharp为例。 3. 安装TensorFlowSharp NuGet包，可以使用Visual Studio的NuGet包管理器来完成。 4. 在你的C#代码中，使用TensorFlowSharp来加载YOLOv8模型并进行推理。首先，你需要创建一个TensorFlow会话，并加载YOLOv8的模型文件和权重文件。 ```csharp using TensorFlow; // 创建会话 var session = new TFSession(); // 加载模型 var graph = new TFGraph(); graph.Import(File.ReadAllBytes("path/to/your/model.pb")); // 加载权重 var session = new TFSession(graph); session.GetRunner().AddInput(graph["input"][0], tensor).Fetch(graph["output"][0]).Run(); ``` 5. 接下来，你需要将输入图像转换成模型所需的格式。YOLOv8期望输入图像为416x416像素大小，并且需要进行一些预处理操作，如归一化和填充。 ```csharp // 加载和预处理图像 var image = Image.Load("path/to/your/image.jpg"); var resizedImage = image.Resize(new Size(416, 416)); var tensor = resizedImage.ToTensor(); ``` 6. 最后，你可以使用加载的模型进行推理，并获取检测到的目标框和类别信息。 ```csharp // 进行推理 var outputs = session.GetRunner().AddInput(graph["input"][0], tensor).Fetch(graph["output"][0]).Run(); // 解析输出结果 var boxes = outputs[0].GetValue() as float[,,]; var classes = outputs[1].GetValue() as float[,]; var scores = outputs[2].GetValue() as float[,]; // 处理结果 // ... ``` 以上是一个基本的示例，你可以根据实际情况进行调整和优化。请注意，这只是一个简单的示例，实际上在生产环境中部署YOLOv8可能涉及更多的细节和步骤。

“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 5
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