0、寫在最前：

----2022.10.10 更新yolov5-seg實例分割模型：

2022.09.29更新 c++下面使用opencv部署yolov5和yolov7實例分割模型（六）_愛晚乏客游的博客-CSDN博客

?-----2022.07.25 更新了下yolov7的部署，有需要的自取

2022.07.25 C++下使用opencv部署yolov7模型（五）_愛晚乏客游的博客-CSDN博客

此篇文章針對yolov5的6.0版本，4.0和5.0版本請看前面三篇的修改。

2022.10.13 更新

有些人使用的是最新的torch1.12.x版本，在導(dǎo)出onnx的時候需要將do_constant_folding=True,這句換成false，否者dnn讀取不了onnx文件，而onnxrutime可以，具體原因未知。

torch.onnx.export(
    model.cpu() if dynamic else model,  # --dynamic only compatible with cpu
    im.cpu() if dynamic else im,
    f,
    verbose=False,
    opset_version=opset,
    do_constant_folding=False,
    input_names=['images'],
    output_names=output_names,
    dynamic_axes=dynamic or None)

2022.02.18更新：

最新版的代碼在windows下面導(dǎo)出onnx可能會失敗，windows10下面請保證pandas>=1.4.0,或者注釋掉export.py中的import pandas as pd(pandas的功能暫時未在export.py使用,win10下直接import版本低于1.4.0其他都不干，導(dǎo)出onnx就會失敗，原因未知)

2021.12.6更新，增加攝像頭和視頻檢測，需要將drawPred()中的inshow和waitkey注釋掉。

	VideoCapture cap(0); //視頻檢測將0改成視頻地址
	while (true) {
		Mat fram;
		cap >> fram;
		vector<Output> result;
		if (test.Detect(fram, net, result))
			test.drawPred(fram, result, color);
		imshow("detect output", fram);
		if (waitKey(2)==27) break; //esc退出
	}
	cap.release();
	destroyAllWindows();

2021.11.04更新，對于圖片長寬比過大導(dǎo)致目標(biāo)檢測失敗修改，本來想偷懶直接放個圖片的。

此篇除了第4點修改檢測的代碼修改，其他代碼和第三篇中的一樣！

目錄

0、寫在最前：

一、yolov5 6.0版本新增對opencv的支持

二、導(dǎo)出onnx模型

三、查看網(wǎng)絡(luò)結(jié)構(gòu)。

四、修改檢測代碼

一、yolov5 6.0版本新增對opencv的支持

最新的項目地址可以看下https://github.com/ultralytics/yolov5

二、導(dǎo)出onnx模型

導(dǎo)出onnx的時候需要修改參數(shù)，將opset默認(rèn)值改成12，原來的默認(rèn)值為13，我測試了opencv4.5.0和4.5.2兩個版本，opencv都報錯了，將之改成12即可讀取。

在export.py中修改下參數(shù)（用命令行導(dǎo)出的請加上--opset 12，請注意不要帶上dynamic參數(shù)，opencv對動態(tài)輸入支持做的不好，應(yīng)該是需要opencv4.5.3以上的版本，并且需要TBB支持才行來著）:

三、查看網(wǎng)絡(luò)結(jié)構(gòu)。

使用netron（www.netron.app）查看下修改onnx版本之后的網(wǎng)絡(luò)模型，可以看到現(xiàn)在模型有4個輸出1，output是另外三個輸出的總輸出，而另外三個就是之前模型的三個輸出口（P3,P4,P5）。所以我們只需要遍歷output這個輸出口就可以（另外三個輸出口是可以單獨遍歷獲取數(shù)據(jù)，如果你只需要小目標(biāo)，就可以只遍歷P3輸出口，中目標(biāo)為P4輸出口，而P5位大目標(biāo)，但是并不建議這么做就是了，因為大中小并沒有具體的區(qū)分，只是一個概念性的，實際上小目標(biāo)也有可能在P4口被檢測出來，而且概率比P3口還高也是有可能的。所以如果只需要檢測小目標(biāo)，還不如直接修改網(wǎng)絡(luò)只要P3出口來的好一些）。

?而輸出口的形狀由之前的[25200,85]變成了[1,25200,85],因為是一個batch size,所以在c++下面使用指針遍歷的話可以不考慮這多出來的一個維度（c++下Mat.data指針會將三維和二維按行優(yōu)先展開成一維指針，所以影響不大）。

四、修改檢測代碼

按照我前面三篇修改過的方法來說，應(yīng)為新版本不需要再修改原來的common.py和yolo.py的代碼，所以需要看下原來在yolo.py中被修改的部分做了些什么，然后需要對c++源碼進行一些修改。

之前在models/yolo.py中的Detect類中的修改，會將紅色框的部分注釋掉，所以在c++的代碼中這部分需要我們自己去計算，而現(xiàn)在不需要修改了，就要將這部分自己的計算去掉。

由于python的模型已經(jīng)做了sigmoid的轉(zhuǎn)換了，所以c++下面這部分去掉就可以了。按下面的位置修改下，原來的代碼就可以使用了（注釋部分的代碼是原來的代碼）。另外的代碼請看

2021.09.02更新說明 c++下使用opencv部署yolov5模型 （三）_愛晚乏客游的博客-CSDN博客

?測試下程序結(jié)果：

完美運行！

總的來說，6.0版本完美的解決了opencv下讀取onnx模型的痛點，不需要繁瑣的去修改源碼，將無法讀取的網(wǎng)絡(luò)層替換掉，可以很輕松的部署了。

貼個github鏈接吧，聊勝于無，想偷懶的同學(xué)可以直接下載文件了，不需要從上一篇復(fù)制了

https://github.com/UNeedCryDear/yolov5-opencv-dnn-cpphttps://github.com/UNeedCryDear/yolov5-opencv-dnn-cpp

onnx測試模型：yolov5s.onnx-深度學(xué)習(xí)文檔類資源-CSDN下載

目前是免費的，有需要收費了說下我重新改下文章來源地址http://www.zghlxwxcb.cn/news/detail-441635.html

到了這里，關(guān)于2021.11.01 c++下 opencv部署yolov5-6.0版本 (四)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！