Ubuntu 系统下使用 C++、libtorch 和 OpenCV 处理推理结果

在 Ubuntu 系统下，使用 C++ 语言，结合 libtorch 和 OpenCV 库，您可以轻松地对深度学习模型推理后的输出结果进行处理。以下步骤将指导您完成这一过程：

安装 libtorch 库：
- 访问 PyTorch 官方网站 (https://pytorch.org/get-started/locally/) 选择适合您系统的 libtorch 版本并下载。
- 解压缩下载的文件，并将解压缩后的文件夹移动到您希望安装的目录。
安装 OpenCV 库：
- 在终端中运行以下命令安装 OpenCV 库：
```
sudo apt-get install libopencv-dev
```
创建 C++ 项目并配置 libtorch 和 OpenCV：
- 在您的 C++ 项目中，将 libtorch 的头文件目录添加到项目的包含路径中。
- 将 libtorch 的库文件目录添加到项目的链接库路径中。
- 将 OpenCV 的头文件目录添加到项目的包含路径中。
- 将 OpenCV 的库文件目录添加到项目的链接库路径中。
- 链接以下库文件：
```
-ltorch -ltorch_cpu -lopencv_core -lopencv_highgui -lopencv_imgproc
```

编写 C++ 代码：

在您的 C++ 代码中，包含所需的头文件：

#include <torch/torch.h>
#include <opencv2/opencv.hpp>

加载训练好的模型：

torch::jit::script::Module model;
model = torch::jit::load("path_to_your_model.pt");

加载和处理输入图像：

cv::Mat image = cv::imread("path_to_your_input_image.jpg");
cv::cvtColor(image, image, cv::COLOR_BGR2RGB);
cv::Mat image_float;
image.convertTo(image_float, CV_32F, 1.0 / 255);
torch::Tensor input_tensor = torch::from_blob(image_float.data, {1, image_float.rows, image_float.cols, 3}).permute({0, 3, 1, 2});

进行推理并处理输出结果：

torch::Tensor output_tensor = model.forward({input_tensor}).toTensor();
output_tensor = output_tensor.squeeze().detach().cpu();
cv::Mat output_image(cv::Size(output_tensor.size(1), output_tensor.size(0)), CV_32FC1, output_tensor.data_ptr());
cv::imshow("Output Image", output_image);
cv::waitKey(0);

完整的示例代码可以参考以下链接：https://pytorch.org/tutorials/advanced/cpp_export.html

编译和运行代码：

在终端中使用 C++ 编译器编译您的代码，并链接必要的库文件：

g++ your_code.cpp -o your_code -I/path/to/libtorch/include -L/path/to/libtorch/lib -I/path/to/opencv/include -L/path/to/opencv/lib -ltorch -ltorch_cpu -lopencv_core -lopencv_highgui -lopencv_imgproc

运行生成的可执行文件：
```
./your_code
```

通过以上步骤，您就可以在 Ubuntu 系统下使用 C++ 语言，结合 libtorch 和 OpenCV 库，对深度学习模型推理后的输出结果进行处理。请注意，上述代码仅为示例，您需要根据您的具体情况进行适当修改。

Ubuntu 系统下使用 C++、libtorch 和 OpenCV 处理推理结果