Skip to content

Latest commit

 

History

History
90 lines (68 loc) · 4.68 KB

README_CN.md

File metadata and controls

90 lines (68 loc) · 4.68 KB

English | 简体中文

YOLOv7End2EndTRT C++部署示例

本目录下提供infer.cc快速完成GPU上通过TensorRT加速部署的示例，该类只支持TensorRT部署。

在部署前，需确认以下两个步骤

以Linux上推理为例，在本目录执行如下命令即可完成编译测试，支持此模型需保证FastDeploy版本0.7.0以上(x.x.x>=0.7.0)

mkdir build
cd build
# 下载FastDeploy预编译库，用户可在上文提到的`FastDeploy预编译库`中自行选择合适的版本使用
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
tar xvf fastdeploy-linux-x64-x.x.x.tgz
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
make -j

#下载官方转换好的yolov7模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov7-end2end-trt-nms.onnx
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

# TensorRT GPU推理
./infer_demo yolov7-end2end-trt-nms.onnx 000000014439.jpg 2

运行完成可视化结果如下图所示

image

以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:

注意，YOLOv7End2EndTRT 是专门用于推理YOLOv7中导出模型带TRT_NMS 版本的End2End模型，不带nms的模型推理请使用YOLOv7类，而 ORT_NMS 版本的End2End模型请使用YOLOv7End2EndORT进行推理。

YOLOv7End2EndTRT C++接口

YOLOv7End2EndTRT 类

fastdeploy::vision::detection::YOLOv7End2EndTRT(
        const string& model_file,
        const string& params_file = "",
        const RuntimeOption& runtime_option = RuntimeOption(),
        const ModelFormat& model_format = ModelFormat::ONNX)

YOLOv7End2EndTRT 模型加载和初始化，其中model_file为导出的ONNX模型格式。

参数

  • model_file(str): 模型文件路径
  • params_file(str): 参数文件路径，当模型格式为ONNX时，此参数传入空字符串即可
  • runtime_option(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
  • model_format(ModelFormat): 模型格式，默认为ONNX格式

Predict函数

YOLOv7End2EndTRT::Predict(cv::Mat* im, DetectionResult* result,
                          float conf_threshold = 0.25)

模型预测接口，输入图像直接输出检测结果。

参数

  • im: 输入图像，注意需为HWC，BGR格式
  • result: 检测结果，包括检测框，各个框的置信度, DetectionResult说明参考视觉模型预测结果
  • conf_threshold: 检测框置信度过滤阈值，但由于YOLOv7 End2End的模型在导出成ONNX时已经指定了score阈值，因此该参数只有在大于已经指定的阈值时才会有效。

类成员变量

预处理参数

用户可按照自己的实际需求，修改下列预处理参数，从而影响最终的推理和部署效果

  • size(vector<int>): 通过此参数修改预处理过程中resize的大小，包含两个整型元素，表示[width, height], 默认值为[640, 640]
  • padding_value(vector<float>): 通过此参数可以修改图片在resize时候做填充(padding)的值, 包含三个浮点型元素, 分别表示三个通道的值, 默认值为[114, 114, 114]
  • is_no_pad(bool): 通过此参数让图片是否通过填充的方式进行resize, is_no_pad=ture 表示不使用填充的方式，默认值为is_no_pad=false
  • is_mini_pad(bool): 通过此参数可以将resize之后图像的宽高这是为最接近size成员变量的值, 并且满足填充的像素大小是可以被stride成员变量整除的。默认值为is_mini_pad=false
  • stride(int): 配合stris_mini_pad成员变量使用, 默认值为stride=32