物体检测框架YoloDotNet初体验
一、 什么是YoloYou Only Look Once是基于深度学习的一种实时目标检测算法。有速度快、实时性好的特点。Yolo依赖Python和相关深度学习框架。
二、 什么是YoloDotNet
YoloDotNet是Yolo在.NET平台的实现，基于C# .NET8，开发者可以使用熟悉的C#语开发部署。YoloDotNet能够在图像和视频中进行实时物体检测。支持分类、物体检测、OBB检测、分割检测出的物体、姿态估计等任务。另外还提供了自定义关键点配置、开放词汇检测、零样本物体检测等功能。
三、运行环境准备
1. 安装 CUDA v12.x，下载地址：https://developer.nvidia.com/cuda-downloads
2. 安装 cuDNN v9.x，下载地址：https://developer.nvidia.com/cudnn-downloads
3. 配置环境变量，将cuDNN库目录添加到Path环境变量中，cuDNN库目录默认为C:\Program Files\NVIDIA\CUDNN\v9.5\bin\12.6。
4. 下载yolo模型，https://docs.ultralytics.com/models/yolov8/#supported-tasks-and-modes
5. 模型转换为onxx格式。文末可获取转换完成的模型。
[*]安装python环境。
[*]windows上直接安装参考：python环境搭建
[*]conda方式安装：conda install Python=3.10
[*]安装pytorch
[*]conda方式安装：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch-nightly -c nvidia
[*]安装其它依赖包
[*]pip install ultralytics
[*]pip install onnx
[*]pip install onnxruntime
[*]pip install onnxslim
[*]执行转换
[*]切换到模型所在目录，创建convert.py程序文件：
from ultralytics import YOLO
# 加载模型
model = YOLO("yolo11n.pt")
# 导出模型
model.export(format="onnx")
[*]执行转换：python convert.py
6. 安装.net sdk
[*]下载地址：https://dotnet.microsoft.com/zh-cn/download/dotnet/8.0。
[*]验证安装：dotnet --version
四、创建项目
[*]新建控制台应用程序项目：dotnet new console -n demo
[*]添加YoloDotNet依赖
[*]切换到demo目录执行：dotnet add package YoloDotNet
[*]Program.cs核心代码
// 初始化yolo对象
string modelPath = "e:/yolov8l.onnx";
using var yolo = new Yolo(new YoloOptions
{
OnnxModel = modelPath,
ModelType = ModelType.ObjectDetection,
Cuda = false,
GpuId = 0,
PrimeGpu = false,
});
// 加载图片数据
using var image = SKImage.FromEncodedData("e:/pic/1.jpeg");
// 执行检测任务
var results = yolo.RunObjectDetection(image, confidence: 0.25, iou: 0.7);
// 在图片上绘制检测结果
using var resultImage = image.Draw(results);
// 检测结果保存为新图片
resultImage.Save("e:/pic/1_result.jpeg", SKEncodedImageFormat.Jpeg, 80);
[*]运行程序：dotnet run
[*]检测效果
onxx模型下载：关注公众号回复"yolo"
来源:https://www.cnblogs.com/cy2011/p/18526002
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]