opencv调用yolov5的onnx模型的常见bug

最新推荐文章于 2025-10-14 16:46:57 发布
原创 最新推荐文章于 2025-10-14 16:46:57 发布 · 2.2k 阅读 · 12 ·
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 #opencv #bug

文章讲述了在VS/QT环境中，使用OpenCV4.5.5调用ONNX模型时遇到的问题，原因是torch版本升级导致的getLayerShapesRecursively函数报错。解决方法是下载最新export项目文件并确保ONNX版本与opencv对应（如OPSET12）。

项目场景：在vs/QT中利用opencv调用onnx模型

问题描述

将pt文件转为onnx文件后，利用opencv中的dnn模块去调用出现的问题

[ERROR:0@12.939] global /home/book/lwj/opencv/opencv_ubuntu-4.5.5/modules/dnn/src/dnn.cpp (3875) getLayerShapesRecursively OPENCV/DNN: []:(_input): getMemoryShapes() throws exception. inputs=1 outputs=0/0 blobs=0
[ERROR:0@12.941] global /home/book/lwj/opencv/opencv_ubuntu-4.5.5/modules/dnn/src/dnn.cpp (3878) getLayerShapesRecursively     input[0] = [ 1 3 640 640 ]
[ERROR:0@12.941] global /home/book/lwj/opencv/opencv_ubuntu-4.5.5/modules/dnn/src/dnn.cpp (3888) getLayerShapesRecursively Exception message: OpenCV(4.5.5) /home/book/lwj/opencv/opencv_ubuntu-4.5.5/modules/dnn/src/dnn.cpp:810: error: (-215:Assertion failed) inputs.size() == requiredOutputs in function 'getMemoryShapes'

原因分析：

最低0.47元/天 解锁文章
YOLOV8 Onnxruntime CUDA Opencv DNN C++部署
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
06-05 3373
YOLOV8 提供两种c++部署方式：Onnxruntime和Opencv DNN
模型实战（4）之Win10下VS2019+opencv部署yolov5实现目标检测
yohnyang的博客
12-29 1153
模型实战（4）之Win10下VS2019+opencv部署yolov5实现目标检测
运行yolo v8 YOLOv8-CPP-Inference C++部署遇到的问题
yangshixu520的博客
01-28 2055
getLayerShapesRecursively OPENCV/DNN: [Reshape]:(onnx_node!/model.22/dfl/Reshape): getMemoryShapes() throws exception. inputs=1 outputs=1/1 blobs=0
openCV调用YOLOv5 ONNX模型
qq_35135771的博客
05-10 2万+
导出U版YOLOv5的ONNX模型，openCV直接读取会失败，原因在于Pytorch2ONNX不支持对slice对象赋值，需要更改下列两个地方代码： yolov5/models/common.py class Focus(nn.Module): # Focus wh information into c-space def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel
关于使用opencv载入onnx模型时出现的cv::Exception()错误解决方法
最新发布
qq_50855312的博客
10-14 220
使用的.onnx模型在python中已使用过没有问题，测试opencv的imread使用没有问题，但使用dnn::readNetFromONNX（）时会出现内存错误，可以推断opencv的dnn文件在visiual studio 2019中编译存在问题。因此解决办法是将visiual studio 2019更换为visiual studio 2022完美解决。将onnx模型导出在visiual studio 2019已配置opencv4.11报内存错误的解决方法。图1 vs2019内存错误示意图。
用opencv的dnn模块做yolov5目标检测
热门推荐
nihate的专栏
01-17 8万+
最近在微信公众号里看到多篇讲解yolov5在openvino部署做目标检测文章，但是没看到过用opencv的dnn模块做yolov5目标检测的。于是，我就想着编写一套用opencv的dnn模块做yolov5目标检测的程序。在编写这套程序时，遇到的bug和解决办法，在这篇文章里讲述一下。 在yolov5之前的yolov3和yolov4的官方代码都是基于darknet框架的实现的，因此opencv的dnn模块做目标检测时，读取的是.cfg和.weight文件，那时候编写程序很顺畅，没有遇到bug。但是yolo
Opencv调用yolov5的onnx文件时报错记录
小俊俊的博客
08-05 771
将default = 15修改为11.
解决Opencv dnn模块无法使用onnx模型的问题(将onnx的动态输入改成静态)
分享技术笔记，记录学习研发历程
10-10 1万+
最近做人脸识别项目，想只用OpenCV自带的人脸检测和识别模块实现，使用OpenCV传统方法：Haar级联分类器人脸检测+LBPH算法人脸识别的教程已经有了，于是想着用OpenCV中的dnn模块来实现，dnn实现人脸检测也有（详细教程可见我的这篇博客https://blog.youkuaiyun.com/weixin_42149550/article/details/131474284），问题就是基于cnn的人脸识别咋用opencv的dnn模块实现？一番搜索，发现OpenCV的dnn模块在加载YuNet模型时会报错。
opencv调用yolov5模型进行目标检测(c++版)
xycdaimi的博客
09-23 2013
我用一个json文件存放模型的对应参数信息，调用时将从文件里读取存入到一个封装的struct结构体里。点击全部发行版，选择自己需要的yolov5版本的源代码和预训练权重文件下载。把预训练模型放入yolov5文件夹后，打开requirements.txt。将这两行开头的的#号去掉，保存，然后在之前创建的conda环境中执行。照着提示按步骤安装，过程中可以修改安装路径。以上可以分装在namespcae里便于使用。可以添加清华的conda源来使用。然后给文件添加运行权限。保存退出后，使配置生效。
[opencv调用yolov5的onnx模型的常见bug]
weixin_47869094的博客
07-26 751
项目场景：在vs/QT中利用opencv调用onnx模型问题描述将pt文件转为onnx文件后，利用opencv中的dnn模块去调用出现的问题原因分析：1：torch版本的问题楼主之前在使用torch1.18版本时，利用之前的代码转换成功后，opencv能直接调用。但是更新版本后，再重复之前的操作，就会发现出bug了。具体bug如下解决方案：在官网中下载最新的export项目文件，亲测可以成功。另外由于opencv版本不同，导出onnx文件版本号要与opencv对应。
YOLOV5（二）：将pt转为onnx模型并用opencv部署
abandononeself的博客
07-28 6696
将yolov5s训练的火焰数据的pt权重改为可用opencv识别的onnx。
c++下使用opencv部署yolov5模型 （DNN）
11-28
yoyov5-6部署，懂得都懂， c++下使用opencv部署yolov5模型 （DNN） 参考网址下载或者自己cmake opencv文件
opencv-dnn模块调用YOLO模型进行目标检测
10-09
该文件中代码通过C++和opencv的DNN模块调用darknet训练的yolo检测模型，实现目标检测。
Opencv库调用yolov5模型onnx格式，识别视频，反馈进度，保存结果
qq_35501590的博客
06-24 976
【代码】Opencv库调用yolov5模型onnx格式，识别视频，反馈进度，保存结果。
win10系统下使用opencv-dnn部署yolov5模型
韩若熙的博客
11-22 3665
最近工作中需要用yolov5训练模型，然后在win10系统下，完成推理部署。本篇主要介绍使用opencv-dnn模块实现模型推理部署。
C++：Opencv读取ONNX模型，通俗易懂
Ethan_Rich的博客
08-28 2658
假设你已经有一个训练好的 ONNX 模型文件。可以从各类深度学习框架（如 PyTorch、TensorFlow）中导出 ONNX 模型。通常，推理结果需要根据模型的输出进行处理。例如，如果是图像分类模型，你可能需要将输出的向量映射到类别标签。在进行推理之前，需要将输入图像预处理成模型所需的格式。通常，这包括调整图像大小、归一化等。在前面的代码中，已经包含了执行推理的步骤。在 OpenCV 中，你可以使用。函数加载 ONNX 模型。函数会返回模型的输出结果。
VS2019+opencv调用训练好的YOLOv5模型（1）
Hang-On的博客
05-14 2506
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、训练好的YOLO模型导出ONNX文件 前言 vs2019 + opencv4.5.4(opencv版本有要求，最开始我的时4.4的，在最后一步通过opencv调ONNX文件出现错误，若将opencv的版本升级到4.5以上，就不存在问题了，opencv4.5.4后面会给出下载链接 ） 一、训练好的YOLO模型导出ONNX文件 具体参考这位老哥的系列博文： https://blog.youkuaiyun.com/qq_34124780.
opencv如何调用YOLOv5（无pytorch）
weixin_45303602的博客
08-22 3450
YOLO系列是one-stage且是基于深度学习的回归方法，而R-CNN、Fast-RCNN、Faster-RCNN等是two-stage且是基于深度学习的分类方法。YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；
VS2019+opencv调用训练好的YOLOv5模型（2）
Hang-On的博客
05-14 661
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、opencv4.4.0 遇到的问题二、解决方法 前言 opencv版本问题 一、opencv4.4.0 遇到的问题 二、解决方法 详见这位老哥的博客： 博客 处理方法是将opencv版本升级到4.5以上，我用得是4.5.4的版本，opencv的配置参见我的第3篇博文 ...
python opencv调用yolov5模型onnx
02-27
### 加载并运行YOLOv5 ONNX模型 为了在Python中使用OpenCV加载并运行YOLOv5的ONNX模型进行目标检测，可以遵循以下方法： #### 准备工作 确保已经安装了必要的库，如`opencv-python`和`numpy`。可以通过pip命令来完成这些包的安装。 ```bash pip install opencv-python numpy ``` #### 调用YOLOv5 ONNX模型 通过`cv2.dnn.readNetFromONNX()`函数可以直接读取YOLOv5导出为ONNX格式后的文件[^2]。此过程涉及创建DNN模块实例，并设置输入图像尺寸以及均值减去等预处理参数以适应网络需求。 #### 完整代码示例 下面是完整的Python脚本，展示了如何利用OpenCV加载YOLOv5 ONNX模型并对图片执行目标检测： ```python import cv2 import numpy as np def load_yolov5_model(onnx_path): net = cv2.dnn.readNetFromONNX(onnx_path) return net def preprocess_image(image, input_size=(640, 640)): blob = cv2.dnn.blobFromImage( image, scalefactor=1/255.0, size=input_size, swapRB=True, crop=False ) return blob def detect_objects(net, frame, conf_threshold=0.5, nms_threshold=0.4): height, width = frame.shape[:2] # 设置网络输入 blob = preprocess_image(frame) net.setInput(blob) # 获取输出层名称列表 layer_names = net.getUnconnectedOutLayersNames() # 前向传播得到预测结果 outputs = net.forward(layer_names) boxes = [] confidences = [] class_ids = [] for output in outputs: for detection in output: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > conf_threshold: center_x = int(detection[0] * width) center_y = int(detection[1] * height) w = int(detection[2] * width) h = int(detection[3] * height) x = int(center_x - w / 2) y = int(center_y - h / 2) boxes.append([x, y, w, h]) confidences.append(float(confidence)) class_ids.append(class_id) indices = cv2.dnn.NMSBoxes(boxes, confidences, conf_threshold, nms_threshold) results = [] if len(indices) > 0: for i in indices.flatten(): box = boxes[i] label = f'Class {class_ids[i]}' score = confidences[i] results.append((label, score, tuple(box))) return results if __name__ == "__main__": onnx_file = 'yolov5s.onnx' # 替换为实际路径 model = load_yolov5_model(onnx_file) cap = cv2.VideoCapture('input.mp4') # 或者传入摄像头索引号比如0代表默认摄像设备 while True: ret, frame = cap.read() if not ret: break detections = detect_objects(model, frame) for (label, score, bbox) in detections: color = (0, 255, 0) text = f'{label}: {score:.2f}' top_left = (bbox[0], bbox[1]) bottom_right = (bbox[0]+bbox[2], bbox[1]+bbox[3]) cv2.rectangle(frame, top_left, bottom_right, color, thickness=2) cv2.putText(frame, text, top_left, cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2) cv2.imshow('Object Detection', frame) key = cv2.waitKey(1) & 0xFF if key == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 该程序会打开指定视频源（或相机），逐帧应用YOLOv5模型进行物体识别，并将结果显示出来直到按下键盘上的‘q’键停止循环。
评论 5
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