物体检测框架YoloDotNet初体验
一、 什么是Yolo
You Only Look Once是基于深度学习的一种实时目标检测算法。有速度快、实时性好的特点。Yolo依赖Python和相关深度学习框架。
二、 什么是YoloDotNet
YoloDotNet是Yolo在.NET平台的实现,基于C# .NET8,开发者可以使用熟悉的C#语开发部署。YoloDotNet能够在图像和视频中进行实时物体检测。支持分类、物体检测、OBB检测、分割检测出的物体、姿态估计等任务。另外还提供了自定义关键点配置、开放词汇检测、零样本物体检测等功能。
三、运行环境准备
1. 安装 CUDA v12.x,下载地址:https://developer.nvidia.com/cuda-downloads
2. 安装 cuDNN v9.x,下载地址:https://developer.nvidia.com/cudnn-downloads
3. 配置环境变量,将cuDNN库目录添加到Path环境变量中,cuDNN库目录默认为C:\Program Files\NVIDIA\CUDNN\v9.5\bin\12.6。
4. 下载yolo模型,https://docs.ultralytics.com/models/yolov8/#supported-tasks-and-modes
5. 模型转换为onxx格式。文末可获取转换完成的模型。
-
安装python环境。
-
windows上直接安装参考:python环境搭建
-
conda方式安装:conda install Python=3.10
-
安装pytorch
-
conda方式安装:conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch-nightly -c nvidia
-
安装其它依赖包
-
pip install ultralytics
-
pip install onnx
-
pip install onnxruntime
-
pip install onnxslim
-
执行转换
-
切换到模型所在目录,创建convert.py程序文件:
from ultralytics import YOLO # 加载模型 model = YOLO("yolo11n.pt") # 导出模型 model.export(format="onnx")
-
执行转换:python convert.py
6. 安装.net sdk
-
下载地址:https://dotnet.microsoft.com/zh-cn/download/dotnet/8.0。
-
验证安装:dotnet --version
四、创建项目
-
新建控制台应用程序项目:dotnet new console -n demo
-
添加YoloDotNet依赖
-
切换到demo目录执行:dotnet add package YoloDotNet
-
Program.cs核心代码
// 初始化yolo对象 string modelPath = "e:/yolov8l.onnx"; using var yolo = new Yolo(new YoloOptions { OnnxModel = modelPath, ModelType = ModelType.ObjectDetection, Cuda = false, GpuId = 0, PrimeGpu = false, }); // 加载图片数据 using var image = SKImage.FromEncodedData("e:/pic/1.jpeg"); // 执行检测任务 var results = yolo.RunObjectDetection(image, confidence: 0.25, iou: 0.7); // 在图片上绘制检测结果 using var resultImage = image.Draw(results); // 检测结果保存为新图片 resultImage.Save("e:/pic/1_result.jpeg", SKEncodedImageFormat.Jpeg, 80);
-
运行程序:dotnet run
-
检测效果
onxx模型下载:关注公众号回复"yolo"