YOLO系列——yolo11n-seg.onnx模型在C++ OpenCV4.10.0DNN模块下进行分割并绘制分割区域（附源码）（十七）

原创已于 2025-10-27 13:34:15 修改 · 334 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #1024程序员节

于 2025-10-23 10:04:11 首次发布

yolo 专栏收录该内容

16 篇文章

订阅专栏

Yolo-v8.3

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

YOLO系列——yolo11n-seg.onnx模型在OpenCV4.10.0DNN模块下进行分割并绘制分割区域（附源码）（十七）

yolo11n-seg.onnx模型
OpenCV4.10.0dnn模块使用

yolo11n-seg.onnx模型

参看之前博客，得到yolo11n-seg.onnx，这里直接给出代码

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load an official model

# Export the model
model.export(format="onnx")

OpenCV4.10.0dnn模块使用

分割结果

在这里插入图片描述

源码

下载地址

下载

int main(int argc, char **argv)
{
    bool runOnGPU = true;
    bool isSeg = true;
    cv::Size sizeTmp(640,640);
    std::string onnxModelPath{};
    if(isSeg){
        onnxModelPath = "../data/yolo11n-seg.onnx";
    }
    else{
        onnxModelPath = "../data/yolo11n.onnx";
    }
    Inference inf(onnxModelPath, sizeTmp, runOnGPU, isSeg);

    std::vector<std::string> imageNames;
    imageNames.push_back("../data/bus.jpg");
    imageNames.push_back("../data/zidane.jpg");
    imageNames.push_back("../data/traffic.jpg");

    for (int i = 0; i < imageNames.size(); ++i){ //遍历每一幅图像
        cv::Mat imgTmp = cv::imread(imageNames[i]);
        auto start = std::chrono::system_clock::now();
        inf.runInference(imgTmp);
        auto end = std::chrono::system_clock::now();
        std::chrono::duration<double> elapsed = end - start;
        std::cout << "------Images[" << i << "]------" << std::endl;
        std::cout << "\tInference time: " << elapsed.count() * 1000 << " ms" << std::endl;

        inf.processAndDrawSegmentation(imgTmp);

        inf.clearData();
        cv::imwrite("opencv410_test3_"+std::to_string(i)+".jpg", imgTmp);
        const std::string kWinName = "Yolo Object Detector";
        cv::namedWindow(kWinName, cv::WINDOW_NORMAL);
        cv::imshow(kWinName, imgTmp);
        cv::waitKey(-1);
    }
}