YoloV5一系列实践详情，Github代码已开源

计算机视觉研究院

发布于 2022-03-04 12:13:28

1.5K0

发布于 2022-03-04 12:13:28

文章被收录于专栏：计算机视觉战队

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

计算机视觉研究院专栏

作者：Edison_G

本文主要讲解几个部分，（适合一些在读的研究生啥也不会然后接到一些项目无从下手，如果是大佬的话就可以跳过了）先看看网络摄像头的效果吧（在2060的电脑上运行）

转自《知乎——kaka》

实践时间Pipeline

2021年9月18日，在github上发布了一套使用ONNXRuntime部署anchor-free系列的YOLOR，依然是包含C++和Python两种版本的程序。起初我是想使用OpenCV部署的，但是opencv读取onnx文件总是出错，于是我换用ONNXRuntime部署。YOLOR是一个anchor-free系列的YOLO目标检测，不需要anchor作为先验。本套程序参考了YOLOR的官方程序(https://github.com/WongKinYiu/yolor)，官方代码里是使用pytorch作为深度学习框架的。根据官方提供的.pth文件，生成onnx文件后，我本想使用OpenCV作为部署的推理引擎的，但是在加载onnx 文件这一步始终出错，于是我决定使用ONNXRuntime作为推理引擎。在编写完Python版本的程序后，在本机win10-cpu环境里，在visual stdio里新建一个c++空项目，按照csdn博客里的文章讲解来配置onnxruntime，配置的步骤跟配置Opencv的步骤几乎一样。在编写完c++程序后，编译运行，感觉onnxruntime的推理速度要比 opencv的推理速度快，看来以后要多多使用onnxruntime作为推理引擎了，毕竟onnxruntime是微软推出的专门针对 onnx模型做推理的框架，对onnx文件有着最原生的支持。本套程序里的onnx文件链接：https://pan.baidu.com/s/1Mja0LErNE4dwyj_oYsOs2g，提取码：qx2jGithub地址是：https://github.com/hpc203/yolor-onnxruntime

9月19日，在github上发布了一套使用深度学习算法实现虚拟试衣镜，结合了人体姿态估计、人体分割、几何匹配和GAN，四种模型。仅仅只依赖opencv库就能运行，除此之外不再依赖任何库。源码地址是：https://github.com/hpc203/virtual_try_on_use_deep_learning

这套程序只有Python版本的，我在本地编写了C++程序，但是输出结果跟Python版本的输出结果始终不一致，对于这个bug我还没有找到原因，因此我在github只发布python程序的。程序启动运行之后，要等几秒种后才能弹窗显示结果，程序运行速度慢的问题还有待优化。

10月17日，在github上发布了使用OpenCV部署SCRFD人脸检测，依然是包含C++和Python两种版本的程序实现。SCRFD是一个FCOS式的人脸检测器，2021年5月在insightface仓库里发布的，它也是检测人脸矩形框和5个关键点。我发布在github上的源码地址是：https://github.com/hpc203/scrfd-opencv

11月6日，在github发布了使用OpenCV部署libface人脸检测和SFace人脸识别，包含C++和Python两种版本的程序，仅仅只依赖OpenCV库就能运行。源码地址是：https://github.com/hpc203/libface-sface_detect-recognition-opencv

人脸检测和人脸识别模块是由人脸识别领域的两位大牛设计的，其中人脸检测是南科大的于仕琪老师设计的，人脸识别模块是北邮的邓伟洪教授设计，其研究成果SFace发表在图像处理顶级期刊IEEE Transactions on Image Processing。人脸检测示例程序在opencv-master/samples/dnn/face_detect.cpp里，起初我在win10系统里，在visual stdio 2019 里新建一个空项目，然后把opencv-master/samples/dnn/face_detect.cpp拷贝进来作为主程序，尝试编译，发现编译不通过。仔细看代码可以发现face_detect.cpp里使用了类的继承和虚函数重写，这说明依赖包含了其他的.cpp和.hpp头文件的。因此我就编写一套程序，人脸检测和人脸识别程序从opencv源码里剥离出来，只需编写一个main.cpp文件，就能运行人脸检测和人脸识别程序。于仕琪老师设计的libface人脸检测，有一个特点就是输入图像的尺寸是动态的，也就是说对输入图像不需要做resize到固定尺寸，就能输入到神经网络做推理的，此前我发布的一些人脸检测程序都没有做到这一点，而且模型文件.onnx只有336KB。因此，这套人脸检测模型是非常有应用价值的。在下载完代码之后，在visual stdio 2019里新建一个空项目，配置opencv，然后把main.cpp和weights文件拷贝进去，接下来编译运行就可以了。

12月12日，我在github发布了使用OpenCV部署faster-rcnn检测证件照，包含C++和Python两种版本的程序，仅仅只依赖opencv库就能运行。源码地址是：https://github.com/hpc203/faster-rcnn-card-opencv

12月18日，我在github发布了使用ONNXRuntime部署PicoDet目标检测，包含C++和Python两个版本的程序，源码地址是：https://github.com/hpc203/picodet-onnxruntime

起初，我是想使用opencv部署PicoDet目标检测的，但是opencv的dnn模块读取.onnx文件失败了。于是只能使用onnxruntime部署了。12月28日，我在github发布了使用OpenCV部署NanoDet-Plus，包含C++和Python两个版本的程序；使用ONNXRuntime部署NanoDet-Plus，包含C++和Python两个版本的程序。源码地址是：https://github.com/hpc203/nanodet-plus-opencv

2022年1月16日，我在github发布了使用ONNXRuntime部署人脸动漫化——AnimeGAN，包含C++和Python两个版本的代码实现，源码地址是https://github.com/hpc203/AnimeGAN-onnxruntime

1月21日，我在github发布了使用OpenCV部署ByteTrack目标跟踪，包含C++和Python两个版本的程序。使用ONNXRuntime部署ByteTrack目标跟踪，包含C++和Python两个版本的程序。源码地址是：https://github.com/hpc203/bytetrack-opencv-onnxruntime

1月28日，我在github发布了使用OpenCV部署yolov5检测车牌和4个角点，包含C++和Python两个版本的程序。使用ONNXRuntime部署yolov5检测车牌和4个角点，包含C++和Python两个版本的程序。程序会输出车牌的水平矩形框的左上和右下顶点的坐标(x,y)，车牌的4个角点的坐标(x,y)。源码地址是https://github.com/hpc203/yolov5-detect-car_plate_corner

2月7日，在github发布了使用ONNXRuntime部署yolov5-lite目标检测，包含C++和Python两个版本的程序，源码地址是https://github.com/hpc203/yolov5-lite-onnxruntime

2月17日，在github发布了使用OpenCV部署多任务的yolov5目标检测+语义分割，包含C++和Python两个版本的程序。使用ONNXRuntime部署多任务的yolov5目标检测+语义分割，包含C++和Python两个版本的程序。源码地址是https://github.com/hpc203/multiyolov5-opencv-onnxrun

2月19日，在github发布了使用OpenCV部署yolov5旋转目标检测，包含C++和Python两个版本的程序。使用ONNXRuntime部署yolov5旋转目标检测，包含C++和Python两个版本的程序。源码地址是https://github.com/hpc203/rotate-yolov5-opencv-onnxrun

在编写这套程序的过程中，发现在python程序里，opencv的dnn模块提供了现成的计算旋转矩形框的NMS函数cv2.dnn.NMSBoxesRotated。但是在C++程序里，opencv的dnn模块提供现成的计算旋转矩形框的NMS函数NMSBoxesRotated。因此在C++程序里，需要自己编写实现计算旋转矩形框的NMS函数。经调研发现opencv库里有表示旋转矩形框的结构体RotatedRect，也有计算两个旋转矩形框的交叠区域和交叠面积的函数rotatedRectangleIntersection和contourArea，最终编写完成了计算旋转矩形框的NMS函数。附上一张C++程序的运行结果图：

© THE END

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！