基于OpenCV DNN實現(xiàn)YOLOv8的模型部署與推理演示

OpenCV DNN模塊

基于OpenCV DNN實現(xiàn)YOLOv8推理的好處就是一套代碼就可以部署在Windows10系統(tǒng)、烏班圖系統(tǒng)、Jetson的Jetpack系統(tǒng)，不用改任何代碼，只需要輔助簡單的CMake腳本即可。

作者基于OpenCV4.8 DNN實現(xiàn)了兩個推理類分別支持 OBB旋轉(zhuǎn)對象檢測與姿態(tài)評估，一鍵支持windows10、烏班圖、Jetpack三個系統(tǒng)上推理部署。

OpenCV4.8安裝測試

OpenCV安裝與CMake腳本

安裝好的以后的測試代碼使用的CMake腳本如下：

cmake_minimum_required(VERSION3.1)
project(chapter_one)
find_package(OpenCVREQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})
add_executable(chapter_onetest.cpp)
target_link_libraries( chapter_one ${OpenCV_LIBS} )

測試運行代碼：

#include 
#include 


using namespace cv;
using namespace std;
void video_demo();
int main(int argc, char** argv) {
  Mat image = imread("lena.jpg", IMREAD_UNCHANGED);
  namedWindow("input", WINDOW_AUTOSIZE);
  imshow("input", image);
  waitKey(0);
  destroyAllWindows();
  return 0;
}

YOLOv8部署與推理

基于封裝的YOLOv8 OBB 旋轉(zhuǎn)對象檢測與姿態(tài)評估推理類API調(diào)用實現(xiàn)的推理演示測試代碼

#include
#include
#include

std::stringlabel_map="/home/zhigang/cppworkspace/dotav1.txt";
intmain(intargc,char**argv){
std::vectorclassNames;
std::ifstreamfp(label_map);
std::stringname;
while(!fp.eof()){
getline(fp,name);
if(name.length()){
classNames.push_back(name);
}
}
fp.close();
std::shared_ptrdetector(newYOLOv8ObbDetector());
detector->initConfig("/home/zhigang/cppworkspace/yolov8s-obb.onnx",0.4f,1024,1024);
cv::Matframe=cv::imread("/home/zhigang/cppworkspace/plane_02.jpg");
cv::imshow("input",frame);
cv::waitKey();
detector->detect(frame,classNames);
cv::imshow("YOLOv8OBB+OpenCV4.8",frame);
cv::waitKey(0);
cv::destroyAllWindows();
return0;
}

Jetson Nano開發(fā)板上推理自定義數(shù)據(jù)的旋轉(zhuǎn)對象檢測模型 結(jié)果:

真的是同一套代碼，只需要修改一下客戶端調(diào)用的路徑，就可以實現(xiàn)三種系統(tǒng)平臺上的YOLOv8模型部署與推理演示。

審核編輯：劉清