目录
1.加载转换为ONNX的PyTorch官方预训练目标检测模型问题讨论
2.加载转换为ONNX的yolov5官方预训练目标检测模型问题讨论
4.QT 6.6.0 基于OpenCV4.5.5加载yolov5的ONNX文件目标检测
| PyTorch实现一个简单的图像分类（代码详细） |
| PyTorch 训练之后的网络模型.pth转.onnx文件并对图像进行预测 |
| 使用pytorch实现预训练模型迁移学习中的目标检测 |
| PyTorch加载预训练目标检测模型实现物体检测，同时将预训练模型转换为ONNX模型文件（过程详解） |
本文最初的目的是基于PyTorch官方提供的目标检测预训练模型转换为ONNX之后应用到QT中，但是在将ONNX模型文件应用到QT中存在很多问题，并且opencv官方也有针对该问题进行讨论，目前并没有得到一个可行的解决方案。因此，为了达到在QT中加载目标检测模型ONNX的目的，最终选择转换yolov5目标检测模型到ONNX，然后应用到QT中，但是还是存在很多问题，以下将会讨论这些问题。建议读者可以先去看之前的几篇相关博文。
说实话，写这篇博文感觉很不容易，中间遇到了很多的问题，而且是目前并没有解决方案的，只能转换问题，便于解决问题，我相信读者就算去复现这篇博文的过程也不是很容易，特别是环境的问题，希望大家坚持跟着这篇博文做完所有的过程，最终将会有不小的收获。
1.加载转换为ONNX的PyTorch官方预训练目标检测模型问题讨论
注：加载FCOS_Resnet50_FPN的ONNX模型报错结果，相关opencv官方讨论OpenCV官方问题讨论 截至目前官方并没有提供一个可行的解决方案。因此，最终转向下面的方案解决问题。
2.加载转换为ONNX的yolov5官方预训练目标检测模型问题讨论
| torch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 opencv==4.5.5 qt==6.6.0(不一定是这个版本) |
报错问题1：
注：开始使用opencv==4.7.0或者更高版本报以上错误，针对以上报错，yolov5官方并没有给出可行的解决方案，建议使用4.5.5版本，这样问题好解决一点。
报错问题2：
注：使用的opencv==4.5.5报以上错误，yolov5官方讨论给出的可行解决方案链接（更改torch版本）https://github.com/ultralytics/yolov5/issues/10665
3.yolov5目标检测模型pt转换为ONNX模型文件
写了一个对图像和实时检测的demo代码：yolov5图像和实时检测
关于yolov5目标检测模型pt转换为ONNX模型文件，官方已经在export中提供了相关的代码，读者直接使用即可，只需要修改参数权重文件weight路径以及配置文件，opset = 11以及include参数为onnx模式，图像分辨率（默认为640 x 640）。
4.QT 6.6.0 基于OpenCV4.5.5加载yolov5的ONNX文件目标检测
第一步：加载模型
第二步：图像预处理（重点）
第三步：输入模型检测
第四步：坐标值转换（重点）
第五步：NMS冗余坐标框过滤（重点）
第六步：坐标相对输入图像大小映射到实际图像大小（重点）
第七步：绘制坐标框相关信息
最后可选的实时检测
参考代码：https://github.com/doleron/yolov5-opencv-cpp-python/blob/main/cpp/yolo.cpp
QT6.6.0加载yolov5的ONNX模型文件进行目标检测
扫一扫
5362
到【灌水乐园】发言
