OpenCV部署yolov5v-v6.1目標檢測

使用OpenCV部署yolov5v-v6.1目標檢測，包含C++和Python兩個版本的程序。

使用ONNXRuntime部署yolov5-v6.1目標檢測，包含C++和Python兩個版本的程序。

支持yolov5s，yolov5m，yolov5l，yolov5n，yolov5x， yolov5s6，yolov5m6，yolov5l6，yolov5n6，yolov5x6的十種結構的yolov5-v6.1。

轉換生成onnx文件的方法

2021年9月在github上發布了一套使用ONNXRuntime部署anchor-free系列的YOLOR，依然是包含C++和Python兩種版本的程序。起初我是想使用OpenCV部署的，但是opencv讀取onnx文件總是出錯，于是我換用ONNXRuntime部署。YOLOR是一個anchor-free系列的YOLO目標檢測，不需要anchor作為先驗。本套程序參考了YOLOR的官方程序(https://github.com/WongKinYiu/yolor)， 官方代碼里是使用pytorch作為深度學習框架的。根據官方提供的.pth文件，生成onnx文件后，我本想使用OpenCV作為部署的推理引擎的，但是在加載onnx 文件這一步始終出錯，于是我決定使用ONNXRuntime作為推理引擎。在編寫完Python版本的程序后， 在本機win10-cpu環境里，在visual stdio里新建一個c++空項目，按照csdn博客里的文章講解來配置onnxruntime， 配置的步驟跟配置Opencv的步驟幾乎一樣。在編寫完c++程序后，編譯運行，感覺onnxruntime的推理速度要比 opencv的推理速度快，看來以后要多多使用onnxruntime作為推理引擎了，畢竟onnxruntime是微軟推出的專門針對 onnx模型做推理的框架，對onnx文件有著最原生的支持。本套程序里的onnx文件鏈接：https://pan.baidu.com/s/1Mja0LErNE4dwyj_oYsOs2g，提取碼：qx2jGithub地址是：https://github.com/hpc203/yolor-onnxruntime

具體的文章可以閱讀：

YoloV5一系列實踐詳情，Github代碼已開源

Github地址：https://github.com/hpc203/yolov5-v6.1-opencv-onnxrun