一、YOLOV7主要贡献:
主要是现有的一些trick的集合以及模块重参化和动态标签分配策略,最终在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器。
当前目标检测主要的优化方向:更快更强的网络架构;更有效的特征集成方法;更准确的检测方法;更精确的损失函数;更有效的标签分配方法;更有效的训练方法。
二、参考代码:
1、C++参考地址:
https://github.com/UNeedCryDear/yolov7-opencv-dnn-cpp
2、yolov7的版本:
https://github.com/WongKinYiu/yolov7
三、应用说明:
在项目部署过程中,为了脱离pytorch而只使用C++调用,我参考了市面上N多解决办法,最终把程序调试通过,调用过程是先把yolov7.pt转化为yolov7.onnx,之后再通过opencv dnn来调用onnx。
四、调用流程说明:
1、环境条件:
windows10、vs2015、opencv4.5.5、python3.8
2、下载 python版本的yolov7,导出onnx
下载地址:https://github.com/WongKinYiu/yolov7
目录为yolov7-main:
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
注意:之前我安装的pytorch gpu版本一直没有通过,后来把 requirements.txt中的所有库都卸载了,重新执行上面的指令,导出onnx时才成功。
导出onnx
进入到yolov7-main目录下,输入:
python export.py --weights ./yolov7.pt --grid --end2end --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640
中间有些小错误,不用理睬:
3、下载opencv c++调用程序:
下载:https://github.com/UNeedCryDear/yolov7-opencv-dnn-cpp
打开vs2015建立新测试工程:
4、添加模型路径后,直接运行即可,运行结果如下:
文章来源地址https://www.toymoban.com/news/detail-421312.html
四、源代码
为了大家能够都方便的使用yolov7 c++程序,现将程序代码提交:
百度网盘地址:
链接:https://pan.baidu.com/s/1-01EuH4oH_3HPo4H50g3wQ
提取码:bruh
QQ交流:187100248.文章来源:https://www.toymoban.com/news/detail-421312.html
到了这里,关于opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx 一、YOLOV7主要贡献:的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!