2023.01更新 c++下面部署yolov8检测和实例分割模型（七）-Toy模板网

这篇具有很好参考价值的文章主要介绍了2023.01更新 c++下面部署yolov8检测和实例分割模型（七）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

2023.12.05 更新：

新增yolov8的RT-DETR部署

先开贴占个坑。

yolov8:https://github.com/ultralytics/ultralytics

这次的v8更新的是一个框架，里面也可以用v5和v3。

但是这次更新来说，目前模型的检测效果和之前的yolov7刚出来一样，会多出很多误检，在某些情况下这些误检反而效果不好。另外最重要的一点是易用性下降很多，使用体验真不如yolov5那么好用，修改点东西都得debug半天才能找到源码在哪里实现的，所有的参数都用一个文件控制，老鸟狂喜，新手懵逼，整个项目结构变动很大，对新手真不友好，新手建议换yolov5。

由于这次的更新变动比较大，并且opencv版本的问题，需要使用opencv4.7及其以上的版本（这里的版本是指使用opencv-dnn部署需要4.7以上的版本，如果是onnxruntime的话就不需要，应该4.0以上的版本都可以），目前已经完成了实例分割的opencv版本，onnxruntime还在修改，检测模型等分割写好之后，改下一些设置和后处理就可以换到检测了，这个比较快。

目前最大的问题还是在于opencv版本一下子需要提升到4.7的问题，但是4.7由于某些原因，一些cpu不支持AVX2的4.7版本会挂掉，需要使用```net.enableWinograd(false)```关闭Winograd加速，目前还在看能否修改到4.5.0可以使用的版本。

目前yolov8已经完成，包括目标检测和实例分割两个模块。除了一些结构上和yolov5的不一样，在部署中最大的问题在于输出结构变了，需要转置之后才能按照正常的方式来进行后处理，这个等后面有空了详细说。

具体代码在：

GitHub - UNeedCryDear/yolov8-opencv-onnxruntime-cpp: detection and instance segmentation of yolov8,use onnxruntime and opencv文章来源地址https://www.toymoban.com/news/detail-503316.html

到了这里，关于2023.01更新 c++下面部署yolov8检测和实例分割模型（七）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！