Skip to content

xiaowk5516/YoloV5-LibTorch

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

13 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

此项目使用可参考教程

VS2019 配置 LibTorch 和 OpenCV Windows 下 C++ 中使用 YoloV5

Windows 10 中编译此项目

  1. 下载所需要的编译工具

    cmake
    opencv
    libtorch
    
  2. 打开此项目下面的 CMakeLists.txt 按下面的方式添加路径

    // Torch_DIR 路径为 libtorch 下面的 share/cmake/Torch/
    set(Torch_DIR /path/to/libtorch/share/cmake/Torch/)
    // OpenCV_DIR 路径为 opencv/build/
    set(OpenCV_DIR /path/to/opencv/build/)
    
  3. 执行下面方法进行生成项目

    mkdir build
    cd build
    cmake ..
    // 根据你 LibTorch 版本选择执行下面语句
    // Debug
    cmake --build . --config Debug
    cmake --install . --config Debug
    // Release
    cmake --build . --config Release
    cmake --install . --config Release
    
  4. Path 中添加下面的环境变量

    \path\to\libtorch\lib
    // vc15 vc14 都可以
    \path\to\opencv\build\x64\vc15\bin
    
  5. 测试

    cd bin
    test.exe
    

Linux 等系统中编译此项目

由于没有测试不便多说应该是更加简单,安装好 opencv 和 libtorch 之后直接执行下面代码即可

mkdir build
cd build
cmake ..
make
make install

使用方法 1

直接在工程中引入刚才生成工程下 lib 目录(库目录)和 include 目录(头文件目录),具体 API 见头文件或者使用方法 2 中的一些阐述

使用方法 2

  1. 添加 YoloV5.cppYoloV5.h 到你的项目
  2. 构造 YoloV5 对象
    // pt 文件路径
    YoloV5 yolo("ptFile");
    
  3. 预测
    • 直接图片预测
      cv::Mat img = cv::imread("图片路径");
      std::vector<torch::Tensor> r = yolo.prediction(img);
      
    • 图片路径预测
      std::vector<torch::Tensor> r = yolo.prediction("图片路径");
      
  4. 对结果处理
    • 画框
      // img 为预测前的图片 
      cv::Mat img = yolo.drawRectangle(img, r[0]);
      
    • 判断是否存在类型
      bool is = yolo.existencePrediction(r);
      
  5. 其余方法使用(见.h文件注解)

About

一个 C++ 版本的 YoloV5 封装库

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • C++ 95.8%
  • CMake 4.2%