[C#]winform部署PaddleDetection的yolo印章检测模型

【官方框架地址】

https://github.com/PaddlePaddle/PaddleDetection.git
【算法介绍】

PaddleDetection 是一个基于 PaddlePaddle（飞桨）深度学习框架的开源目标检测工具库。它提供了一系列先进的目标检测算法，包括但不限于 Faster R-CNN, Mask R-CNN, YOLOv3, YOLOv4, PP-YOLO 等，以及丰富的高质量预训练模型，方便用户快速进行目标检测任务。

PaddleDetection 的主要特点如下：

1. 易用性：PaddleDetection 提供了简洁的 API 和友好的用户界面，使得用户可以轻松地训练和部署目标检测模型。同时，PaddleDetection 支持动态图和静态图两种训练模式，方便用户灵活选择。
2. 高效性：PaddleDetection 在设计上充分考虑了性能优化，支持多卡并行训练、混合精度训练等技术，大大提高了训练速度和模型精度。同时，PaddleDetection 支持 TensorRT 推理引擎，方便用户进行模型压缩和推理加速。
3. 多样性：PaddleDetection 提供了多种目标检测算法和预训练模型，覆盖了多种应用场景，满足用户不同的需求。同时，PaddleDetection 还提供了丰富的数据增强和自定义模块，方便用户进行定制化开发。
4. 开放性：PaddleDetection 遵循开源共享的原则，方便用户进行二次开发和合作研究。PaddleDetection 的源代码遵循 PaddlePaddle 的编码规范和社区贡献规范，方便新用户快速上手。

PaddleDetection 的应用场景非常广泛，包括但不限于安防监控、智能驾驶、无人机、机器人等。在这些领域中，目标检测是关键技术之一，用于识别和定位图像或视频中的目标。PaddleDetection 的出现为这些领域的研究和应用提供了强大的工具支持。

例如，在安防监控领域中，PaddleDetection 可以用于人脸识别、行人检测、手势识别等任务。通过使用 PaddleDetection，用户可以快速训练出精度高、实时性强的目标检测模型，提高监控系统的智能化水平。

在智能驾驶领域中，PaddleDetection 可以用于车辆检测、车道线识别、交通标志识别等任务。通过使用 PaddleDetection，用户可以构建更加可靠和安全的自动驾驶系统。

在无人机和机器人领域中，PaddleDetection 可以用于目标跟踪、环境感知等任务。通过使用 PaddleDetection，用户可以提升无人系统和机器人系统的自主性和智能化水平。

总的来说，PaddleDetection 是一个强大而灵活的目标检测工具库，它为用户提供了丰富的算法和预训练模型，以及高效的训练和推理性能。无论是在学术研究还是在实际应用中，PaddleDetection 都将是一个非常有价值的工具。

【效果展示】

【实现部分代码】

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;

namespace FIRC
{
    public partial class Form1 : Form
    {
        Mat src = new Mat();
        SealManager sm = new SealManager();
        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFileDialog = new OpenFileDialog();
            openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";
            openFileDialog.RestoreDirectory = true;
            openFileDialog.Multiselect = false;
            if (openFileDialog.ShowDialog() == DialogResult.OK)
            {
              
                src = Cv2.ImRead(openFileDialog.FileName);
                pictureBox1.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(src);


            }


        }

        private void button2_Click(object sender, EventArgs e)
        {
            if(pictureBox1.Image==null)
            {
                return;
            }
            Stopwatch sw = new Stopwatch();
            sw.Start();
            var result = sm.Inference(src);
            var resultMat = sm.DrawImage(result,src);
            sw.Stop();
            this.Text = "耗时" + sw.Elapsed.TotalSeconds + "秒";
            pictureBox2.Image= OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultMat); //Mat转Bitmap
        }

        private void Form1_Load(object sender, EventArgs e)
        {

        }

        private void btn_video_Click(object sender, EventArgs e)
        {
 

  
        }
    }
}

【源码下载】

https://download.csdn.net/download/FL1623863129/88706359
【测试环境】

vs2019

netframework4.7.2

opencvsharp4.8.0

sdcb.paddledetection

【数据集】

采用210张数据集进行paddledetection训练，采用yolov3_darknet53_270e_coco进行训练得到推理模型进部署