位置: IT常识 - 正文
opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx(opencv调用yolov8)
编辑：rootadmin推荐整理分享opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx(opencv调用yolov8)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:opencv调用摄像头出现卡顿,opencv调用外部摄像头,opencv调用yolo模型,opencv调用yolov5,opencv调用yolov7,opencv调用yolov8模型,opencv调用yolov8,opencv调用yolov5模型,内容如对您有帮助，希望把文章链接给更多的朋友！
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：
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.
下一篇：Node.js最新版黑马配套笔记(node .js)
