C++ 中使用 YoloV5

辛琪

2022-01-28 2022-01-28 约 1203 字预计阅读 3 分钟次阅读

Windows 下 C++ 中使用 YoloV5

工具选择 CMake 或者 VS2019

CMake 下载路径 download

其中 VS2019 配置可以见这篇博客 VS2019 配置 LibTorch 和 OpenCV

2.下载 C++ 的 YoloV5 库

1
2


// 下载 YoloV5-LibTorch
git clone https://github.com/ncdhz/YoloV5-LibTorch.git

下载 LibTorch 和 OpenCV 并配置环境变量可以参考 VS2019 配置 LibTorch 和 OpenCV
打开刚才下载下来的项目并修改根目录下的 CMakeLists.txt 文件

打开注解并更改为刚才下载的 LibTorch 和 OpenCV 路径，下面是我电脑上面的 LibTorch 和OpenCV 路径。

1
2
3
4
5
6
7
8


mkdir build
cd build
// 下面这行代码在 windows 下依赖于 VS2019 别的系统只需要有 cmake 和 make 就好
cmake ..
// 构建项目 （如果你下载的是Debug版本的 LibTorch 不用加 --config Release 是 Release 版本需要加）
cmake --build .
// 下载项目 后面的 Debug 可以替换成 Release 这取决于上一条命令是否加了 --config Release
cmake --install . --config Debug

其中 Linux 系统应该不用这么麻烦直接下面操作应该可以解决问题

1
2
3
4
5
6


// 下面操作我没有在 Linux 系统下测试 主要本人懒下载虚拟机等等
mkdir build
cd build
cmake ..
make
make install

测试识别物体

1
2
3


// 先 cd 到根目录
cd bin
./test.exe

这里使用的是 yolov5s 模型。模型可以根据需要进行更改（用官方yolov5库训练模型就好了然后把模型转换成 LibTorch 可以识别的）。

下面画红标的是官方提供的转换工具

通过三种方式把上面介绍的库使用到自己的项目

在 VS2019 中通过复制库的头文件和实现文件使用（其中 VS2019 配置见上面提到的配置文档）

新建头文件和cpp文件
粘贴 src/YoloV5.cpp 中的代码到上面的 YoloV5.cpp 文件中
粘贴 nclude/YoloV5.h 中的代码到上面的 YoloV5.h 文件中
更改 YoloV5.cpp 中头文件引入方式为 “YoloV5.h”

新建 main.cpp 使用 YoloV5 吧

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46


// 复制下面的代码到main.cpp
#include "YoloV5.h"

int main()
{
	// 第二个参数为是否启用 cuda 详细用法可以参考 YoloV5.h 文件
	YoloV5 yolo("C:/Users/hwx/Documents/Github/YoloV5-LibTorch/test/yolov5s.cuda.pt", true);
	// 读取分类标签（我们用的官方的所以这里是 coco 中的分类）
	// 其实这些代码无所谓哪 只是后面预测出来的框没有标签罢了
	std::ifstream f("C:/Users/hwx/Documents/Github/YoloV5-LibTorch/test/coco.txt");
	std::string name = "";
	int i = 0;
	std::map<int, std::string> labels;
	while (std::getline(f, name))
	{
		labels.insert(std::pair<int, std::string>(i, name));
		i++;
	}
	// 用 OpenCV 打开摄像头读取文件（你随便咋样获取图片都OK哪）
	cv::VideoCapture cap = cv::VideoCapture(0);
	// 设置宽高 无所谓多宽多高后面都会通过一个算法转换为固定宽高的
	// 固定宽高值应该是你通过YoloV5训练得到的模型所需要的
	// 传入方式是构造 YoloV5 对象时传入 width 默认值为 640，height 默认值为 640
	cap.set(cv::CAP_PROP_FRAME_WIDTH, 1000);
	cap.set(cv::CAP_PROP_FRAME_HEIGHT, 800);
	cv::Mat frame;
	while (cap.isOpened())
	{
		// 读取一帧
		cap.read(frame);
		if (frame.empty())
		{
			std::cout << "Read frame failed!" << std::endl;
			break;
		}
		// 预测
		// 简单吧，两行代码预测结果就出来了，封装的还可以吧 嘚瑟
		std::vector<torch::Tensor> r = yolo.prediction(frame);
		// 画框根据你自己的项目调用相应的方法，也可以不画框自己处理
		frame = yolo.drawRectangle(frame, r[0], labels);
		// show 图片
		cv::imshow("", frame);
		if (cv::waitKey(1) == 27) break;
	}
	return 0;
}