opencv dnn部署yolov5的口罩检测模型+GUI界面(三)

        我训练完自己的口罩检测模型，得到了一个best.pt文件，在detect.py里运行无误后，尝试把模型导出。

        yolov5官方代码的训练出来模型的权重是保存在best.pt文件里的。这个.pt后缀的模型文件并不常规，如果想要脱离训练环境部署模型，需要对原始的.pt文件进行导出操作，这里我把模型导出为onnx文件，想要用opencv的dnn模块读取该onnx模型文件进行推理，这样操作之后，整个检测过程就只需要import cv2这一个第三方库了。

        yolov5官方代码已经提供了export.py函数，修改一下运行参数就支持导出为onnx。

进入这个网站Netron 查看一下网络结构。

在里面选择自己的best.pt，这里以我的口罩检测模型为例，看到网络结构如下

查看.pt文件时，每一层网络并未做展开，看着很难受。

下面执行export.py将自己的模型文件导出为onnx文件。

吹爆这位大佬的博客：用opencv的dnn模块做yolov5目标检测_nihate的专栏-CSDN博客_opencv yolov5

        这里巨坑，为了opencv的dnn模块能够读取到onnx模型，需要把官方代码里的Focus函数修改为不带有切片操作的形式！！我按大佬的博客做了如下操作

修改common.py里的以下部分：

 我把修改后的代码贴出来

class Focus(nn.Module):
    # Focus wh information into c-space
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups
        super().__init__()
        self.conv = Conv(c1 * 4, c2, k, s, p, g, act)
        # self.contract = Contract(gain=2)

    def forward(self, x):  # x(b,c,w,h) -> y(b,4c,w/2,h/2)
        # return self.conv(torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1))
        return self.conv(self.contract(x))

 以及修改yolo.py的Detect类下面的forward：

做完这部分，就可以执行export.py将模型导出了

参数设置如下

 OK，到这一步就得到了onnx的模型文件了

再看看新的网络结构长啥样。

可以看到每一层的具体操作都展开出来了，原模型图太长了就只截了开头部分。

输入维度是1，3，320，320 代指1张图像，3个通道，长宽320个像素

输出维度是1，21，40，40 代指1张图像，21=3个通道*（框的5个参数+2个类别），先验框大小40×40.

其中框的5个参数分别是，类别id 长 宽 中心坐标x y，因为我做的口罩识别只有戴口罩和不戴口罩两类，所以是5+2.

理解了这些，接下来就可以重新写代码了，用opencv读取模型文件，然后复现一遍解析过程。

         下一步使用python或者C++调取dnn读取导出的onnx模型，重写一遍detect，再制作一个简单的图形化界面，用pyinstaller把python版本的打包为exe文件。做成了一个桌面小程序

训练模型所用的数据集：

链接：https://pan.baidu.com/s/1gsJhY0O8FXwSdpB1gjLDOw 
提取码：lu2c

训练好的模型文件：百度网盘 请输入提取码 提取码：bohd

代码已经上传到了github上。

BigCJL/Real-Time-Mask-Detect- (github.com)