一、YOLOV7主要贡献:

        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

opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx

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:

opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx

4、添加模型路径后,直接运行即可,运行结果如下:

opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx 

opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx

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.

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。