使用OpenCVSharp Dnn部署FastestDet

FastestDet：轻量级目标检测 实时Anchor-free目标检测算法，虽然精度稍逊，但FastestDet在速度和参数量上有显著优势，适用于资源有限的设备。
FastDet项目链接:https://github.com/dog-qiuqiu/FastestDet

第一次写文章，不知道该写些什么，直接上代码吧，不足之处还望海涵

onnx模型直接使用作者给的模型 FastestDet-main/example/onnx-runtime/FastestDet.onnx，模型大小不到1MB大小，不得不说，这是真的轻量👍

模型信息
Inputs
-------------------------
name：input.1
tensor：Float[1, 3, 352, 352]
---------------------------------------------------------------

Outputs
-------------------------
name：758
tensor：Float[1, 85, 22, 22]
---------------------------------------------------------------

代码参考 FastestDet-main/example/ncnn/FastestDet.cpp

经多次测试，单次平均推理速度在15ms左右，速度是真的块

其中NMS(非极大值抑制)用的是作者给的函数，也可以使用OpenCV自带的CvDnn.NMSBoxes函数

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Runtime.InteropServices;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;
using OpenCvSharp.Dnn;
using Point = OpenCvSharp.Point;
using Size = OpenCvSharp.Size;

namespace OPENCV
{
    public partial class FastDetect : Form
    {
        public FastDetect()
        {
            InitializeComponent();
        }
        string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
        string image_path = "";
        string[] class_names;
        // 阈值
        float thresh = 0.65f;
        // 模型输入宽高
        int input_width = 352;
        int input_height = 352;
        Net net;
        float Sigmoid(float x)
        {
            return (float)(1.0f / (1.0f + Math.Exp(-x)));
        }

        float Tanh(float x)
        {
            return (float)(2.0f / (1.0f + Math.Exp(-2 * x)) - 1);
        }
        private float IntersectionArea(TargetBox a, TargetBox b)
        {
            if (a.x1 > b.x2 || a.x2 < b.x1 || a.y1 > b.y2 || a.y2 < b.y1)
            {
                // no intersection
                return 0.0f;
      &n