当前位置：首页 > news >正文

静态网站源码杭州一起做网站

news 2025/9/16 20:16:57

静态网站源码,杭州一起做网站,西安建设局网站首页,慕课网站开发与实现yolo模型转ONNX 在yolov8中，我们将训练结果的.pt权重文件转换为onnx格式只需要使用ultralytics库中的YOLO类，使用pip安装ultralytics库，然后执行下面python代码 from ultralytics import YOLO# 加载YOLOv8模型 model YOLO("best.pt&q…

yolo模型转ONNX

在yolov8中，我们将训练结果的.pt权重文件转换为onnx格式只需要使用ultralytics库中的YOLO类，使用pip安装ultralytics库，然后执行下面python代码

from ultralytics import YOLO# 加载YOLOv8模型
model = YOLO("best.pt")# 将模型导出为ONNX格式
success = model.export(format="onnx", simplify=True)# 检查是否成功导出
assert success

此程序就会加载当前根目录下的best.pt并转换为ONNX格式进行导出

C#中使用ONNX

创建一个.NET 8.0的项目，因为自己写比较繁琐，我们直接使用封装好的Nuget包YoloDotNet

地址：NuGet Gallery | YoloDotNet 1.2.0

安装Nuget包命令

NuGet\Install-Package YoloDotNet -Version 1.2.0

这个包比较大，安装时间可能有点久，耐心等待！！！

安装完成后，我们通过如下代码读取ONNX文件，下面代码中创建yolo实例有两个构造函数的参数，第一个就是onnx文件的地址，第二个就是你是否使用GPU来进行识别，如果你的电脑有装英伟达的GPU并且按照了cuda，就设置为true。我的电脑没有，所有只能使用cpu来跑，因此我设置为false

new Yolo(@"D:\best.onnx", false);

然后就是读取你的图片，调用yolo的RunObjectDetection，将图片作为第一个参数，第二个参数就是识别的阈值

using var image = Image.Load<Rgba32>(@"D:\testphoto\1.jpg");
var results = yolo.RunObjectDetection(image, 0.3);

如果你的模型不是目标检测，而是图像分类或者其他，可以使用yolo的其他方法

然后就是将识别图片结果保存本地了，下面是示例的所有代码

class Program
{public static void Main(string[] args){using var yolo = new Yolo(@"D:\best.onnx", false);using var image = Image.Load<Rgba32>(@"D:\testphoto\1.jpg");var results = yolo.RunObjectDetection(image, 0.3); image.Draw(results);image.Save(@"D:\testphoto\2.jpg");}
}

下图是我识别出的结果