OpenCV部署yolov5v-v6.1目标检测

使用OpenCV部署yolov5v-v6.1目标检测，包含C++和Python两个版本的程序。

使用ONNXRuntime部署yolov5-v6.1目标检测，包含C++和Python两个版本的程序。

支持yolov5s，yolov5m，yolov5l，yolov5n，yolov5x， yolov5s6，yolov5m6，yolov5l6，yolov5n6，yolov5x6的十种结构的yolov5-v6.1。

转换生成onnx文件的方法

2021年9月在github上发布了一套使用ONNXRuntime部署anchor-free系列的YOLOR，依然是包含C++和Python两种版本的程序。起初我是想使用OpenCV部署的，但是opencv读取onnx文件总是出错，于是我换用ONNXRuntime部署。YOLOR是一个anchor-free系列的YOLO目标检测，不需要anchor作为先验。本套程序参考了YOLOR的官方程序(https://github.com/WongKinYiu/yolor)， 官方代码里是使用pytorch作为深度学习框架的。根据官方提供的.pth文件，生成onnx文件后，我本想使用OpenCV作为部署的推理引擎的，但是在加载onnx 文件这一步始终出错，于是我决定使用ONNXRuntime作为推理引擎。在编写完Python版本的程序后， 在本机win10-cpu环境里，在visual stdio里新建一个c++空项目，按照csdn博客里的文章讲解来配置onnxruntime， 配置的步骤跟配置Opencv的步骤几乎一样。在编写完c++程序后，编译运行，感觉onnxruntime的推理速度要比 opencv的推理速度快，看来以后要多多使用onnxruntime作为推理引擎了，毕竟onnxruntime是微软推出的专门针对 onnx模型做推理的框架，对onnx文件有着最原生的支持。本套程序里的onnx文件链接：https://pan.baidu.com/s/1Mja0LErNE4dwyj_oYsOs2g，提取码：qx2jGithub地址是：https://github.com/hpc203/yolor-onnxruntime

具体的文章可以阅读：

YoloV5一系列实践详情，Github代码已开源

Github地址：https://github.com/hpc203/yolov5-v6.1-opencv-onnxrun