首页 > 编程语言 >【C++】【YOLO】搭建环境运行YOLO模型,完成目标识别

【C++】【YOLO】搭建环境运行YOLO模型,完成目标识别

时间:2024-05-29 09:11:36浏览次数:18  
标签:ultralytics YOLO C++ 640 projectBasePath main 搭建

1、安装Visual Studio,勾选C++和Python负荷

 2、安装CUDA | Pytorch | Python 这三者之间的版本关系很重要

详情参考:Pycharm搭建CUDA,Pytorch教程(匹配版本,安装,搭建全保姆教程)_cuda12.3对应的pytorch版本-CSDN博客

3、下载ultralytics所有代码进行修改(https://github.com/ultralytics/ultralytics/tree/main)

ultralytics-main\ultralytics\nn\modules\head.py文件中的:

y = torch.cat((dbox, cls.sigmoid()), 1)  ==》修改为  y = torch.cat((dbox, cls), 1) 

 

ultralytics-main\examples\YOLOv8-CPP-Inference目录下的:

inference.cpp

inference.h

main.cpp

这三个文件

 

 放到新的控制台项目中

4、修改代码

// main.cpp

3  #include <getopt.h>  注释

14  std::string projectBasePath = "/home/user/ultralytics";  注释

27  Inference inf(projectBasePath + "/yolov8s.onnx", cv::Size(640, 480), "classes.txt", runOnGPU);  修改为

  Inference inf("models/yolov5s.onnx", cv::Size(640, 640), "classes.txt", runOnGPU);

imageNames.push_back(projectBasePath + "/ultralytics/assets/bus.jpg");  修改为自己的路径

 

还需配置项目库目录包含OpenCV

标签:ultralytics,YOLO,C++,640,projectBasePath,main,搭建
From: https://www.cnblogs.com/vangoghpeng/p/18218590

相关文章