C++ OpenCV YOLOv5 模型推理教程

要在C++中使用OpenCV推理yolov5模型，可以按照以下步骤进行：

下载yolov5模型文件（.pt文件）和配置文件（.yaml文件），并将它们放在一个文件夹中。
在C++中引入OpenCV和LibTorch库。
加载yolov5模型文件和配置文件。可以使用以下代码：

torch::jit::script::Module module = torch::jit::load('path/to/model.pt'); module.to(at::kCUDA); // 将模型加载到GPU上，如果没有GPU，则不需要这一行

读取输入图像并将其转换为Tensor。可以使用以下代码：

cv::Mat image = cv::imread('path/to/image.jpg'); cv::cvtColor(image, image, cv::COLOR_BGR2RGB); // 将图像从BGR转换为RGB cv::resize(image, image, cv::Size(640, 640)); // 将图像缩放到模型所需的大小 torch::Tensor input_tensor = torch::from_blob(image.data, {1, image.rows, image.cols, 3}, torch::kByte); input_tensor = input_tensor.permute({0, 3, 1, 2}); // 将通道维度放在第二个位置

将输入Tensor传递给模型，并运行推理。可以使用以下代码：

at::Tensor output_tensor = module.forward({input_tensor.to(at::kCUDA)}).toTensor();

解析输出Tensor以获取检测结果。可以使用以下代码：

float* data = output_tensor.data_ptr(); for (int i = 0; i < output_tensor.size(1); i += 6) { float confidence = data[i + 4]; int class_id = static_cast(data[i + 5]); if (confidence > 0.5) { int x1 = static_cast(data[i + 0] * image.cols); int y1 = static_cast(data[i + 1] * image.rows); int x2 = static_cast(data[i + 2] * image.cols); int y2 = static_cast(data[i + 3] * image.rows); std::cout << "Detected object of class " << class_id << " with confidence " << confidence << " at (" << x1 << ", " << y1 << ") - (" << x2 << ", " << y2 << ")" << std::endl; } }

这些步骤可以帮助您在C++中使用OpenCV推理yolov5模型。请注意，这只是一个简单的示例，您可能需要进行更多的自定义和优化以满足您的需求。