Skip to content

Latest commit

 

History

History
113 lines (90 loc) · 5.13 KB

README_CN.md

File metadata and controls

113 lines (90 loc) · 5.13 KB

English | 简体中文

YOLOv5 C++部署示例

本目录下提供infer.cc快速完成YOLOv5在CPU/GPU,以及GPU上通过TensorRT加速部署的示例。

在部署前,需确认以下两个步骤

以Linux上CPU推理为例,在本目录执行如下命令即可完成编译测试,支持此模型需保证FastDeploy版本0.7.0以上(x.x.x>=0.7.0)

mkdir build
cd build
# 下载 FastDeploy 预编译库,用户可在上文提到的`FastDeploy预编译库`中自行选择合适的版本使用
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
tar xvf fastdeploy-linux-x64-x.x.x.tgz
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
make -j
#下载官方转换好的 yolov5 Paddle 模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov5s_infer.tar
tar -xvf yolov5s_infer.tar
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg


# CPU推理
./infer_paddle_demo yolov5s_infer 000000014439.jpg 0
# GPU推理
./infer_paddle_demo yolov5s_infer 000000014439.jpg 1
# GPU上TensorRT推理
./infer_paddle_demo yolov5s_infer 000000014439.jpg 2
# 昆仑芯XPU推理
./infer_paddle_demo yolov5s_infer 000000014439.jpg 3
# 华为昇腾推理
./infer_paddle_demo yolov5s_infer 000000014439.jpg 4

上述的模型为 Paddle 模型的推理,如果想要做 ONNX 模型的推理,可以按照如下步骤:

# 1. 下载官方转换好的 yolov5 ONNX 模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov5s.onnx
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

# CPU推理
./infer_demo yolov5s.onnx 000000014439.jpg 0
# GPU推理
./infer_demo yolov5s.onnx 000000014439.jpg 1
# GPU上TensorRT推理
./infer_demo yolov5s.onnx 000000014439.jpg 2

运行完成可视化结果如下图所示

以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:

如果用户使用华为昇腾NPU部署, 请参考以下方式在部署前初始化部署环境:

YOLOv5 C++接口

YOLOv5类

fastdeploy::vision::detection::YOLOv5(
        const string& model_file,
        const string& params_file = "",
        const RuntimeOption& runtime_option = RuntimeOption(),
        const ModelFormat& model_format = ModelFormat::ONNX)

YOLOv5模型加载和初始化,其中model_file为导出的ONNX模型格式。

参数

  • model_file(str): 模型文件路径
  • params_file(str): 参数文件路径,当模型格式为ONNX时,此参数传入空字符串即可
  • runtime_option(RuntimeOption): 后端推理配置,默认为None,即采用默认配置
  • model_format(ModelFormat): 模型格式,默认为ONNX格式

Predict函数

YOLOv5::Predict(cv::Mat* im, DetectionResult* result,
                float conf_threshold = 0.25,
                float nms_iou_threshold = 0.5)

模型预测接口,输入图像直接输出检测结果。

参数

  • im: 输入图像,注意需为HWC,BGR格式
  • result: 检测结果,包括检测框,各个框的置信度, DetectionResult说明参考视觉模型预测结果
  • conf_threshold: 检测框置信度过滤阈值
  • nms_iou_threshold: NMS处理过程中iou阈值

类成员变量

预处理参数

用户可按照自己的实际需求,修改下列预处理参数,从而影响最终的推理和部署效果

  • size(vector<int>): 通过此参数修改预处理过程中resize的大小,包含两个整型元素,表示[width, height], 默认值为[640, 640]
  • padding_value(vector<float>): 通过此参数可以修改图片在resize时候做填充(padding)的值, 包含三个浮点型元素, 分别表示三个通道的值, 默认值为[114, 114, 114]
  • is_no_pad(bool): 通过此参数让图片是否通过填充的方式进行resize, is_no_pad=ture 表示不使用填充的方式,默认值为is_no_pad=false
  • is_mini_pad(bool): 通过此参数可以将resize之后图像的宽高这是为最接近size成员变量的值, 并且满足填充的像素大小是可以被stride成员变量整除的。默认值为is_mini_pad=false
  • stride(int): 配合stris_mini_pad成员变量使用, 默认值为stride=32