Yolov5 ONNX Runtime 的 C++部署

一、onnxruntime C++的下载

不要相信某些博客，2022年居然还是写的：

我才疏学浅，试过好几次都没有成功。

不要克隆不要克隆，那么大的项目你克隆到啥时候，人家发布了压缩包版本的好不好。

 点击latest:

 看见没有，gpu版本的才几十M！！！！！

如果自己下载源码编译，很大可能会失败。用官方给的include、lib是很香的哦。

二、部署

一个大佬的项目：GitHub - iwanggp/yolov5_onnxruntime_deploy: 使用onnxruntime部署yolov5

这里就不贴代码了，写一写整体的流程：

1、输入图像预处理：

• BRG2RBG
• 信封处理（等比例缩放加padding），得到模型输入制定尺寸大小的图像
• 像素0～255 ----> 0~1
• HWC --->  CHW

2、onnxruntime推理得到输出

3、对输出进行后处理,每次都是一张图像的输出

• box的置信度与置信度阈值作比较，通过后获得该图像的所有box的类别、类别概率、位置信息[xmin, ymin, width, height] ;   在yolov5中类别概率=类别概率*置信度
• NMS处理，消除同类别重叠度大于iou阈值、类别概率小于置信度阈值的box
• box位置信息映射到输入原图上

4、在输入原图上进行画预测框、打印类别名称和类别概率

三、总结

1、运行总结：

如果你把onnx格式模型路径、类别文件路径、图像路径写对后，可能还是跑不起来，代码中需要修改一下

如果运行出现下面这样的报错：

 那就直接把模型输入输出的名字写进去：

2、运行速度

我这次用的是yolov5-6.2版本的yolov5n模型，在C++上用onnxtime部署，用视频大概检测其推理速度，发现onnxruntime比opencv dnn快一些。不过还是没有pytorch python快。

3、项目通用性

另外如果你用的是其他模型，要套这个项目的话，你得知道输出信息，然后进行修改。比如你现在的类别是coco，yolov5的输出是【batch,  box_num, 85】。这里的85是【Xcenter, Ycenter, width, height, 置信度，类别1概率，类别2概率.......类别80概率】。

yolov5NMS处理时候，一个是box重叠度 < iou阈值，另一个是需要是   box的类别该概率*box的置信度   >  置信度阈值

欢迎留言、欢迎交流！！！

参考：

yolov5 onnxruntime部署_Kun Li的博客-CSDN博客

C/C++下的ONNXRUNTIME推理 - 知乎
onnxruntime的c++使用_c++ onnxruntime_chencision的博客-CSDN博客