YOLOv9 RKNN C++ 项目使用教程

YOLOv9 RKNN C++ 项目使用教程

1. 项目目录结构及介绍

yolov9_rknn_Cplusplus/
├── CMakeLists.txt
├── README.md
├── include/
│   ├── yolov9.h
│   └── utils.h
├── src/
│   ├── main.cpp
│   ├── yolov9.cpp
│   └── utils.cpp
├── models/
│   ├── yolov9.rknn
│   └── yolov9.cfg
├── data/
│   ├── test_image.jpg
│   └── test_video.mp4
├── config/
│   └── config.json
└── build/

目录结构说明

• CMakeLists.txt: CMake 构建文件，用于编译项目。
• README.md: 项目说明文档。
• include/: 存放头文件，包含 yolov9.h 和 utils.h。
• src/: 存放源代码文件，包含 main.cpp、yolov9.cpp 和 utils.cpp。
• models/: 存放模型文件，包含 yolov9.rknn 和 yolov9.cfg。
• data/: 存放测试数据，包含 test_image.jpg 和 test_video.mp4。
• config/: 存放配置文件，包含 config.json。
• build/: 编译生成的文件存放目录。

2. 项目启动文件介绍

src/main.cpp

main.cpp 是项目的入口文件，负责初始化模型、加载配置、处理输入数据并输出检测结果。

#include <iostream>
#include "yolov9.h"
#include "utils.h"

int main() {
    // 初始化模型
    YOLOv9 model;
    model.init("models/yolov9.rknn", "config/config.json");

    // 处理图像
    cv::Mat image = cv::imread("data/test_image.jpg");
    std::vector<DetectionResult> results = model.detect(image);

    // 输出结果
    for (const auto& result : results) {
        std::cout << "Class: " << result.class_id << ", Confidence: " << result.confidence << std::endl;
    }

    return 0;
}

主要功能

• 模型初始化: 通过 model.init 方法加载模型和配置文件。
• 图像处理: 使用 cv::imread 读取测试图像，并通过 model.detect 方法进行目标检测。
• 结果输出: 遍历检测结果并输出类别和置信度。

3. 项目配置文件介绍

config/config.json

config.json 是项目的配置文件，用于配置模型参数、输入输出路径等。

{
    "model_path": "models/yolov9.rknn",
    "input_size": [640, 640],
    "confidence_threshold": 0.5,
    "nms_threshold": 0.4,
    "classes": ["person", "car", "bike"]
}

配置项说明

• model_path: 模型文件路径。
• input_size: 输入图像的尺寸，格式为 [width, height]。
• confidence_threshold: 置信度阈值，用于过滤低置信度的检测结果。
• nms_threshold: 非极大值抑制（NMS）阈值，用于去除重叠的检测框。
• classes: 检测目标的类别列表。

通过以上配置文件，可以灵活调整模型的输入输出参数，以适应不同的应用场景。