yolov8-opencv-onnxruntime-cpp

使用OpenCV-dnn和ONNXRuntime部署yolov8目标检测和实例分割模型

基于yolov8:https://github.com/ultralytics/ultralytics

requirements for opencv-dnn

1. OpenCV>=4.7.0
   OpenCV>=4.7.0
   OpenCV>=4.7.0
   

2. export for opencv-dnn:
   

yolo export model=path/to/model.pt format=onnx dynamic=False opset=12

• Note: When exporting to opencv, it is best to set opset to 12

requirements for onnxruntime （only yolo*_onnx.h/cpp）

opencv>=4.5.0
ONNXRuntime>=1.9.0

更新说明：

2023.09.20更新

• 0.新增模型路径检查，部分issue查了半天，发现模型路径不对。
• 1.计算mask部分bug修复，此前如果输入大小非640的话，需要同时设置头文件和结构体才能完成检测，但是大部分人只修改了一个地方，目前优化这部分内容，只需要修头文件中的定义即可。另外将segHeight和segWidth设置为从网络输出中读取，这样如果mask-ratio不是4倍的话，可以不需要修改这两个参数值。
• 2.修复GetMask2()中可能导致越界的问题。
  

2023.02.17更新

• 0.新增加onnxruntime旧版本API接口支持
• 1.opencv不支持动态推理，请将dymanic设置为False导出onnx,同时opset需要设置为12。
• 2.关于换行符，windows下面需要设置为CRLF，上传到github会自动切换成LF，windows下面切换一下即可
  

2023.02.07 更新：

• yolov8使用opencv-dnn推理的话，目前只支持opencv4.7.0及其以上的版本，我暂时也没找到怎么修改适应opencv4.5.0的版本（￣へ￣），这个版本需求和onnxruntime无关，onnxruntime只需要4.5.0的版本,4.x的版本应该都可以用，只要能正确读取，有cv::dnn::blobFromImages()这个函数即可,如果真的没有这个函数，你自己将其源码抠出来用也是可以的，或者大佬们自己实现该函数功能。
• 而目前opencv4.7.0的版本有问题（opencv/opencv#23080) ，如果你的CPU不支持AVX2指令集，则需要在net.forward() 前面加上net.enableWinograd(false);来关闭Winograd加速，如果支持这个指令集的话可以开启加速（蚊子腿）。

依照惯例贴一张yolov8-seg.onnx在640x640下用onnxruntime运行结果图：