Use el módulo OpenCV DNN para implementar el modelo ONNX exportado en YOLOv5

Para implementar un modelo ONNX usando el módulo OpenCV DNN, puede seguir los pasos a continuación para implementar el código:

1. Importe las bibliotecas necesarias:

import cv2
import numpy as np

 

2. Cargue las etiquetas de modelo y clase:

model_path = 'path_to_model.onnx'  # 替换为ONNX模型文件的路径
class_labels = 'path_to_class_labels.txt'  # 替换为与模型相对应的类别标签文件路径

# 加载类别标签
classes = []
with open(class_labels, 'r') as f:
    classes = [line.strip() for line in f.readlines()]

# 加载模型
net = cv2.dnn.readNetFromONNX(model_path)

3. Cargue la imagen y realice la inferencia:

image_path = 'path_to_image.jpg'  # 替换为你要测试的图像路径
 
# 加载图像
image = cv2.imread(image_path)

# 将图像转换为blob格式
blob = cv2.dnn.blobFromImage(image, size=(224, 224), mean=(0, 0, 0), swapRB=True, crop=False)

# 设置输入blob
net.setInput(blob)

# 进行推断
detections = net.forward()

 4. Analice el resultado de la inferencia:

for i in range(detections.shape[2]):
    confidence = detections[0, 0, i, 2]
    if confidence > confidence_threshold:  # 设置置信度阈值
        class_id = int(detections[0, 0, i, 1])
        label = classes[class_id]
        box = detections[0, 0, i, 3:7] * np.array([image.shape[1], image.shape[0], image.shape[1], image.shape[0]])
        (x, y, w, h) = box.astype("int")

        cv2.rectangle(image, (x, y), (w, h), (0, 255, 0), 2)
        text = f'{label}: {confidence:.2f}'
        cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示结果图像
cv2.imshow("Output", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

        En el código anterior, usamos un umbral de confianza para filtrar los cuadros delimitadores predichos, trazar los cuadros delimitadores y las etiquetas de clase, y mostrar la imagen resultante.