[C#]winform部署yolov9的onnx模型
C# WinForms 部署 YOLOv9 ONNX 模型简介
在当今的计算机视觉领域,目标检测是不可或缺的一项技术。YOLO(You Only Look Once)系列模型以其高效和准确的特点受到了广泛关注。随着YOLOv9的发布,其性能进一步提升,为实际应用提供了更强大的支持。
为了在C# WinForms应用程序中部署YOLOv9模型,我们首先需要将其转换为ONNX(Open Neural Network Exchange)格式。ONNX是一个开放的模型表示,使得不同深度学习框架之间可以相互转换和共享模型。这使得YOLOv9模型可以在C#环境中得到高效利用。
在部署过程中,我们可以使用ONNX Runtime这一跨平台的库来加载和运行ONNX模型。ONNX Runtime提供了对多种硬件平台的支持,包括CPU、GPU等,从而实现了模型的快速推理。
在WinForms应用中,我们可以通过调用ONNX Runtime的API来实现对图像的实时目标检测。用户可以通过界面上传图像,应用程序则利用YOLOv9模型进行目标检测,并在图像上标注出目标物体的位置和类别。
此外,为了提升用户体验,我们还可以对检测过程进行优化,如采用多线程技术实现异步检测,避免界面卡顿;同时,也可以提供检测结果的可视化展示,让用户直观地了解检测效果。
通过C# WinForms部署YOLOv9的ONNX模型,我们可以为用户提供一个功能强大的目标检测工具。这不仅展示了YOLO系列模型在实际应用中的价值,也体现了C# WinForms在构建用户界面和集成深度学习模型方面的优势。
【效果展示】
【实现部分代码】
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;
namespace FIRC
{
public partial class Form1 : Form
{
Mat src = new Mat();
Yolov9Manager ym = new Yolov9Manager();
public Form1()
{
InitializeComponent();
}
private void button1_Click(object sender, EventArgs e)
{
OpenFileDialog openFileDialog = new OpenFileDialog();
openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";
openFileDialog.RestoreDirectory = true;
openFileDialog.Multiselect = false;
if (openFileDialog.ShowDialog() == DialogResult.OK)
{
src = Cv2.ImRead(openFileDialog.FileName);
pictureBox1.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(src);
}
}
private void button2_Click(object sender, EventArgs e)
{
if(pictureBox1.Image==null)
{
return;
}
Stopwatch sw = new Stopwatch();
sw.Start();
var result = ym.Inference(src);
sw.Stop();
this.Text = "耗时" + sw.Elapsed.TotalSeconds + "秒";
var resultMat = ym.DrawImage(src,result);
pictureBox2.Image= OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultMat); //Mat转Bitmap
}
private void Form1_Load(object sender, EventArgs e)
{
ym.LoadWeights(Application.StartupPath+ "\\weights\\yolov9-c.onnx", Application.StartupPath + "\\weights\\labels.txt");
}
private void btn_video_Click(object sender, EventArgs e)
{
var detector = new Yolov9Manager();
detector.LoadWeights(Application.StartupPath + "\\weights\\yolov9-c.onnx", Application.StartupPath + "\\weights\\labels.txt");
VideoCapture capture = new VideoCapture(0);
if (!capture.IsOpened())
{
Console.WriteLine("video not open!");
return;
}
Mat frame = new Mat();
var sw = new Stopwatch();
int fps = 0;
while (true)
{
capture.Read(frame);
if (frame.Empty())
{
Console.WriteLine("data is empty!");
break;
}
sw.Start();
var result = detector.Inference(frame);
var resultImg = detector.DrawImage(frame,result);
sw.Stop();
fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);
sw.Reset();
Cv2.PutText(resultImg, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);
//显示结果
Cv2.ImShow("Result", resultImg);
int key = Cv2.WaitKey(10);
if (key == 27)
break;
}
capture.Release();
}
}
}
【视频演示】
https://download.csdn.net/download/FL1623863129/88905860
【测试环境】
vs2019 netframework4.7.2 onnxruntime==1.16.2 opencvsharp==4.8.0
原文地址:https://blog.csdn.net/FL1623863129/article/details/136445566
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!