0、寫在最前：
此篇文章針對yolov5的6.0版本，4.0和5.0版本請看前面三篇的修改，
此篇除了第4點修改檢測的代碼修改，其他代碼和第三篇中的一樣！
目錄
0、寫在最前：
一、yolov5 6.0版本新增對opencv的支持
二、匯出onnx模型
三、查看網路結構，
四、修改檢測代碼
一、yolov5 6.0版本新增對opencv的支持
最新的專案地址可以看下https://github.com/ultralytics/yolov5
二、匯出onnx模型
匯出onnx的時候需要修改引數，將opset默認值改成12，原來的默認值為13，我測驗了opencv4.5.0和4.5.2兩個版本，opencv都報錯了，將之改成12即可讀取，
在export.py中修改下引數（用命令列匯出的請加上--opset 12，請注意不要帶上dynamic引數，opencv對動態輸入支持做的不好，應該是需要opencv4.5.3以上的版本，并且需要TBB支持才行來著）:
三、查看網路結構，
使用netron（www.netron.app）查看下修改onnx版本之后的網路模型，可以看到現在模型有4個輸出1，output是另外三個輸出的總輸出，而另外三個就是之前模型的三個輸出口（P3,P4,P5），所以我們只需要遍歷output這個輸出口就可以（另外三個輸出口是可以單獨遍歷獲取資料，但是效果并不好，所以不推薦），
而輸出口的形狀由之前的[25200,85]變成了[1,25200,85],因為是一個batch size,所以在c++下面使用指標遍歷的話可以不考慮這多出來的一個維度（c++下Mat.data指標會將三維和二維按行優先展開成一維指標，所以影響不大），
四、修改檢測代碼
按照我前面三篇修改過的方法來說，應為新版本不需要再修改原來的common.py和yolo.py的代碼，所以需要看下原來在yolo.py中被修改的部分做了些什么，然后需要對c++原始碼進行一些修改，
之前在models/yolo.py中的Detect類中的修改，會將紅色框的部分注釋掉，所以在c++的代碼中這部分需要我們自己去計算，而現在不需要修改了，就要將這部分自己的計算去掉，
由于python的模型已經做了sigmoid的轉換了，所以c++下面這部分去掉就可以了，按下面的位置修改下，原來的代碼就可以使用了（注釋部分的代碼是原來的代碼），另外的代碼請看
2021.09.02更新說明 c++下使用opencv部署yolov5模型 （三）_愛晚乏客游的博客-CSDN博客
測驗下程式結果：
完美運行！
總的來說，6.0版本完美的解決了opencv下讀取onnx模型的痛點，不需要繁瑣的去修改原始碼，將無法讀取的網路層替換掉，可以很輕松的部署了，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/345589.html
標籤：其他
上一篇：使用paddle-lite在Arm開發板上部署paddleOCR
下一篇：OpenCV-Sobel邊緣檢測