Yolov部署在Windows和Android上

Yolov部署在Windows和Android上

前言

Yolov是目标检测的利器,工业中运用得很火。尽管网上的Yolov部署资料很多,但是这块内容目前做得还算上成熟。为了将Yolov部署在Android和Windows上费了些功夫,这里稍微做一些填坑记录。

主要模块

  1. OpenCV 4.8 ,图像处理
  2. onnx runtime,微软的模型推理模块,支持onnx模型格式
  3. Yolov7,改为单类模型,用于瑕疵检测

尽管OpenCV自带DNN模块,可以加载ONNX模型,但是经过测试,能力非常有限。特别是对于端对端输出的yolov结构,基本不支持。因此这里使用微软的ONNX模型。

主要流程

训练Yolov模型,得到权重文件pt,将pt转换为ONNX模型。这里的转换参数非常重要,为了解析方便,模型直接用端对端编译输出,这样不需要额外做非极大值抑制NMS算法。但是这导致OpenCV的DNN模块无法解析模型。

转换为ONNX

bash 复制代码
python export.py --weights ./runs/train/exp6/weights/best.pt --grid --end2end --simplify --topk-all 10 --iou-thres 0.45 --conf-thres 0.25 --img-size 640 640 

https://netron.app/查看onnx模型结构,可以看到

EfficientNMS_TRT是NMS算法部分,输出结果很清晰,但是ONNX模块不支持,加载模型出错。解决方法是替换NMS模块,利用下面的方式编译

bash 复制代码
python export.py --weights ./runs/train/exp6/weights/best.pt --grid --end2end --simplify --topk-all 10 --iou-thres 0.45 --conf-thres 0.25 --img-size 640 640 --max-wh 640

新模型输出结构如图,完全符合要求。第一个维度代表了检测目标的个数,第二个维度有7个参数,分别是 batch_id,x0,y0,x1,y1,cls_id,score。需要注意的是,对于单类模型,score值是偏低的

如果模型不要求是端对端,估计OpenCV也能支持,就是需要自己准备NMS算法,不是懒人喜欢的方式。

部署代码

部署代码网上很多,这里不再赘述,需要注意的是,解析的代码要和自己的网络结构要一致。

JAVA

参考 https://gitee.com/agricultureiot/yolo-onnx-java

C++

参考 https://github.com/itsnine/yolov5-onnxruntime

里面有现成封装好的类,支持NMS,不过可能需要根据自己的网络输出调整。有好多年没拿起visual studio,感觉还相当怀旧。只是多年未见,C++仍旧是块硬骨头,各种编译问题,光是强硬的类型转换就让人望而生畏。

相关推荐
charlee447 小时前
nginx部署发布Vite项目
nginx·性能优化·https·部署·vite
阿蒙Amon16 小时前
【Python小工具】使用 OpenCV 获取视频时长的详细指南
python·opencv·音视频
慕婉030717 小时前
OpenCV图像边缘检测
人工智能·opencv·计算机视觉
jndingxin19 小时前
OpenCV中超分辨率(Super Resolution)模块类cv::dnn_superres::DnnSuperResImpl
人工智能·opencv·dnn
Edward-tan21 小时前
基于 opencv+yolov8+easyocr的车牌追踪识别
python·opencv·ocr·yolov8
jndingxin1 天前
OpenCV CUDA模块设备层-----反向二值化阈值处理函数thresh_binary_inv_func()
人工智能·opencv·计算机视觉
jndingxin2 天前
OpenCV CUDA模块设备层-----在 GPU 上执行类似于 std::copy 的操作函数warpCopy()
人工智能·opencv·计算机视觉
晓13132 天前
OpenCV篇——项目(二)OCR文档扫描
人工智能·python·opencv·pycharm·ocr
jndingxin2 天前
OpenCV CUDA模块设备层-----在GPU 上高效地执行两个 uint 类型值的最大值比较函数vmax2()
人工智能·opencv·计算机视觉
luofeiju2 天前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数