关于将yolov5导入matlab报错的问题

最新推荐文章于 2025-09-21 02:03:14 发布
原创 最新推荐文章于 2025-09-21 02:03:14 发布 · 889 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #matlab

在尝试将训练好的Yolov5模型转换为ONNX格式并导入Matlab时，遇到了ONNXoperatorset17不受支持的错误。为了解决这个问题，文章建议修改Yolov5的export.py文件，将默认的Opset版本17改为11，以匹配Matlab的支持版本。参考提供的文档，这个改动能成功解决导入失败的问题。
部署运行你感兴趣的模型镜像

当我将刚训练好的yolov5模型转为onnx格式时导入matlab时，使用importONNXFunction函数导入时，发生报错，报错如下：

 

ONNX operator set 17 is not supported

解决办法：

打开在yolov5文件中的export.py文件，将default=17改为11。如下图所示：

 参考这个文档，链接如下：ONNX: export failure 0.0s: Unsupported ONNX opset version: 17 - 简书

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

无脑使用matlab运行YOLOv5模型，实现目标检测
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
11-14 4313
YOLO 是一种经典的一阶段目标检测算法，它将检测问题转化为回归问题。与 Faster R-CNN 不同，YOLO 不是提取 RoI,而是直接通过回归的方法生成每个类的边界框坐标和概率。与 Faster R-CNN相比，大大提高了检测速度。Glenn Jocher 于 2020年提出了 YOLO 的第五个版本，命名为 YOLOv5，其网络结构主要分为骨干模块、颈部模块和头部模块。主干模块基于Focus、BottleneckCSP(跨阶段部分网络)和空间金字塔池，并将其传输到颈部模块。
【目标检测】基于yolov5的交通标志检测和识别(附代码和数据集)
学无止境、积少成多、厚积薄发
03-24 4911
【目标检测】基于yolov5的交通标志检测和识别(附代码和数据集)
import onnx出现的问题
qq_38241346的博客
03-25 3649
基于官方文档命令： conda install -c conda-forge onnx 安装onnx 出现如下问题： 关于ONNX_ML的问题： 问题是protobuf的问题：参考link conda install protobuf=3.9
YOLO-World模型导出常见问题：解决ONNX算子不兼容与精度损失
最新发布
gitblog_00030的博客
09-21 1060
你是否在将YOLO-World模型导出为ONNX格式时遇到过算子不兼容、精度下降或推理速度变慢等问题？本文将系统分析YOLO-World模型导出ONNX过程中的常见问题，并提供可落地的解决方案。通过本文，你将获得： - 3种算子不兼容问题的定位与修复方法 - 4项精度损失优化策略 - 完整的ONNX导出与验证工作流 - 量化部署中的关键参数配置指南 ## 2. 环境准备与导出流程 ### 2...
matlab人头检测的代码-yoloV5-onnx-matlab:简单的推理代码，只需运行demo.mlx
05-24
matlab人头检测的代码概述 导入yolov5 * .onnx进行推断，包括yolov5s.onnx ， yolov5m.onnx ， yolov5l.onnx ， yolov5x.onnx ，原始输出尺寸为1×255×H×W（其他尺寸格式可以稍作修改），然后导入（importONNXNXFunction ）+在matlab Head解码输出中进行检测。 要求 Matlab R2021a或更高版本（因为某些操作员设置的onnx版本需要支持最多12个），所以越新越好，没有其他依赖项！！！ 预训练模型 百度盘：，代码：nseh 参考
基于YOLO算法实现车辆目标检测附Matlab代码
持续更新
07-26 1045
目标检测是计算机视觉领域的一个重要研究方向，它的主要目标是在图像或视频中准确地定位和识别出感兴趣的目标。通过适当调整模型的参数和数据集的准备，我们可以得到更好的检测结果。YOLO算法是一种实时目标检测算法，其主要思想是将目标检测问题转化为一个回归问题，通过单次前向传播即可直接得到目标的位置和类别信息。同时，为了获得更好的检测效果，可以尝试使用更大规模的数据集进行训练，或者采用其他优化策略来提升模型性能。以下是基于YOLO算法实现车辆目标检测的具体步骤，并附带相应的Matlab代码。在测试阶段，通过调用。
yoloV5-matlab:简单的推理代码，只需运行 demo.mlx-matlab开发
05-31
Import yolov5*.onnx for inference, including yolov5s.onnx, yolov5m.onnx, yolov5l.onnx, yolov5x.onnx, the original output dimension is 1*255*H*W(Other dimension formats can be slightly modified), import (importONNXFunction) + detection in matlab Head decoding output. 导入yolov5*.onnx进行推理（inference），包括yolov5s.onnx,yolov5m.onnx,yolov5l.onnx,yolov5x.onnx,其原始输出维度为1*255*H*W(其他维度形式可稍作修改), 在matlab中导入(impor
YOLOV5添加 ECA CA SE CBAM 等八种注意力机制（小白可用）
kay_545
03-13 8763
⭐欢迎大家订阅我的专栏一起学习⭐。
现在我使用matlab调用训练好的yolov8模型来检测PCB板缺陷，但是总是报错修改不了，在加载best.onnx时出现输入输出维度与matlab不兼容问题
03-27
嗯，用户在使用Matlab调用训练好的YOLOv8模型检测PCB板缺陷时，遇到了输入输出维度不兼容的问题。首先，我需要分析可能的原因。YOLOv8模型通常使用ONNX格式导出，而Matlab在导入ONNX模型时对输入输出的维度可能有...
将YOLOv8模型转换为ONNX格式
04-25
首先，用户的问题是关于如何将YOLOv8模型导出为ONNX格式，他们可能在进行模型转换时遇到了问题，或者需要明确的步骤指导。引用中提到了使用Ultralytics库的export功能，以及相关的Python代码示例。我需要确保步骤...
YOLOV5手势识别数据集+代码+模型 2000张标注好的数据+教学视频
03-05
1.目标检测格式数据集，标签为yolo的txt格式 2.手势识别数据集，支持[ 'A', 'number 7', 'D', 'I', 'L', 'V', 'W', 'Y', 'I love you', 'number 5' ]10种手势的识别 3. 提供3组训练好的YOLOV5模型 4.代码中包含图形化界面 5.提供B站视频教程：https://www.bilibili.com/video/BV1YL4y1J7xz/
YOLOV5+YOLOV7（源码）.rar
04-15
1、资源内容：YOLOV5+YOLOV7（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.youkuaiyun.com/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
【Matlab系列2】为matlab安装onnx导入插件代码
05-08
【Matlab系列2】为matlab安装onnx导入插件，方便预训练模型的导入，建议结合本人博文一起使用
用于ONNX模型格式的深度学习工具箱转换器：在MATLAB中导入和导出ONNX:trade_mark:模型，以与其他深度学习框架互操作-matlab开发
05-28
在MATLAB内导入和导出ONNX:trade_mark:（开放神经网络交换）模型，以与其他深度学习框架互操作。 ONNX使模型可以在一个框架中进行训练，然后转移到另一个框架中进行推理。 从操作系统或在MATLAB中打开onnxconverter.mlpkginstall文件将启动您所拥有版本的安装过程。 该mlpkginstall文件可用于R2018a及更高版本。 用法示例： %%导出为ONNX模型格式净=挤压％导出的预训练模型filename ='squeezenet.onnx'; exportONNXNetwork（net，文件名）; %%导入导出的网络net2 = importONNXNetwork（'squeezenet.onnx'，'OutputLayerType'，'classification'）; ％在随机输入图像上比较两个网络的预测img = rand（net.Layers（1）.I
基于yolov8+LPRNet的车牌识别项目
网络架构
05-06 1105
在智能交通系统飞速发展的今天，车牌识别技术作为其核心组成部分，正发挥着不可或缺的作用。随着深度学习技术的不断成熟，特别是目标检测与序列识别网络的结合，为实现高精度、实时的车牌识别系统提供了可能。本项目围绕Yolov8与LPRNet两大先进算法框架，展开了一场关于智能车牌识别技术的深度探索与实践。Yolov8，作为YOLO系列的最新力作，凭借其卓越的检测速度与准确性，成为目标检测领域的明星模型。它在保持高效执行的同时，显著提升了对小目标的检测能力，这对于复杂场景下的车牌捕捉尤为关键。
我的导入模型代码是：function model = load_yolo_model(model_path) try % 导入ONNX模型 net = importONNXNetwork('model.onnx', 'OutputLayerType', 'regression'); % 获取输出数据 output = predict(net, inputImage); % 重塑输出结构 reshaped_output = reshape(output, [10, 8400, 1]); pred_boxes = reshaped_output(1:4, :); % 提取坐标 confidences = reshaped_output(5, :); % 置信度 class_probs = reshaped_output(6:10, :); % 类别概率 % 转换为dlnetwork model = dlnetwork(layers); % GPU加速 if canUseGPU model = dlupdate(@gpuArray, model); disp('启用GPU加速'); else disp('使用CPU运行'); end catch ME error('模型加载失败: %s\n可能原因:\n1. ONNX opset版本>14\n2. 输出层名称不匹配\n3. 缺少自定义层定义', ME.message); end end现在我使用matlab调用训练好的yolov8模型来检测PCB板缺陷，但是总是报错修改不了，在加载best.onnx时出现输入输出维度与matlab不兼容问题，模型输出结构opset=14，输出结构（1,10,8400），具体的matlab加载模型代码
03-28
好的，我现在需要帮助用户解决在MATLAB中加载YOLOv8 ONNX模型时遇到的输入输出维度不兼容的问题。首先，我要仔细看看用户提供的代码，找出可能的问题点。 用户当前的代码是使用importONNXModel函数导入模型，并指定...
基于YOLOv5的目标检测系统详解（附MATLAB GUI版代码）
热门推荐
思绪无限的博客
05-04 2万+
本文重点介绍了基于YOLOv5目标检测系统的MATLAB实现，用于智能检测物体种类并记录和保存结果，对各种物体检测结果可视化，提高目标识别的便捷性和准确性。本文详细阐述了目标检测系统的原理，并给出MATLAB的实现代码、预训练模型，以及GUI界面设计。基于YOLOv5目标检测算法，在界面中可以选择各种图片、文件夹、视频进行检测识别。博文提供了完整的MATLAB代码和使用教程，适合新入门的朋友参考，完整代码资源文件请转至文末的下载链接。
【目标检测】理论篇（3）YOLOv5实现
09-02 1444
Yolov5网络构架实现。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值