2021.11.01 c++下 opencv部署yolov5-6.0版本 (四)

0、写在最前：

此篇文章针对yolov5的6.0版本，4.0和5.0版本请看前面三篇的修改。

此篇除了第4点修改检测的代码修改，其他代码和第三篇中的一样！

目录

0、写在最前：

一、yolov5 6.0版本新增对opencv的支持

二、导出onnx模型

三、查看网络结构。

四、修改检测代码

---

一、yolov5 6.0版本新增对opencv的支持

最新的项目地址可以看下https://github.com/ultralytics/yolov5

二、导出onnx模型

导出onnx的时候需要修改参数，将opset默认值改成12，原来的默认值为13，我测试了opencv4.5.0和4.5.2两个版本，opencv都报错了，将之改成12即可读取。

在export.py中修改下参数（用命令行导出的请加上--opset 12，请注意不要带上dynamic参数，opencv对动态输入支持做的不好，应该是需要opencv4.5.3以上的版本，并且需要TBB支持才行来着）:

三、查看网络结构。

使用netron（www.netron.app）查看下修改onnx版本之后的网络模型，可以看到现在模型有4个输出1，output是另外三个输出的总输出，而另外三个就是之前模型的三个输出口（P3,P4,P5）。所以我们只需要遍历output这个输出口就可以（另外三个输出口是可以单独遍历获取数据，但是效果并不好，所以不推荐）。

 而输出口的形状由之前的[25200,85]变成了[1,25200,85],因为是一个batch size,所以在c++下面使用指针遍历的话可以不考虑这多出来的一个维度（c++下Mat.data指针会将三维和二维按行优先展开成一维指针，所以影响不大）。

四、修改检测代码

按照我前面三篇修改过的方法来说，应为新版本不需要再修改原来的common.py和yolo.py的代码，所以需要看下原来在yolo.py中被修改的部分做了些什么，然后需要对c++源码进行一些修改。

之前在models/yolo.py中的Detect类中的修改，会将红色框的部分注释掉，所以在c++的代码中这部分需要我们自己去计算，而现在不需要修改了，就要将这部分自己的计算去掉。

由于python的模型已经做了sigmoid的转换了，所以c++下面这部分去掉就可以了。按下面的位置修改下，原来的代码就可以使用了（注释部分的代码是原来的代码）。另外的代码请看

2021.09.02更新说明 c++下使用opencv部署yolov5模型 （三）_爱晚乏客游的博客-CSDN博客

 测试下程序结果：

完美运行！

总的来说，6.0版本完美的解决了opencv下读取onnx模型的痛点，不需要繁琐的去修改源码，将无法读取的网络层替换掉，可以很轻松的部署了。