【测试通过环境】
win10 x64
vs2019
cuda11.7+cudnn8.8.0
TensorRT-8.6.1.6
opencvsharp==4.9.0
.NET Framework4.7.2
NVIDIA GeForce RTX 2070 Super
cuda和tensorrt版本和上述环境版本不一样的需要重新编译TensorRtExtern.dll，TensorRtExtern源码地址：TensorRT-CSharp-API/src/TensorRtExtern at TensorRtSharp2.0 · guojin-yan/TensorRT-CSharp-API · GitHub
Windows版 CUDA安装参考：Windows版 CUDA安装_win cuda安装-CSDN博客
【特别注意】
tensorrt依赖不同硬件需要自己从onnx转换tensorrt，转换就是调用api实现，流程如下
下载源码：https://github.com/THU-MIG/yolov10
并按照官方要求安装好环境：
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .下载yolov10n.pt模型：https://huggingface.co/jameslahm/yolov10n
将Pytorch导出onnx：
# End-to-End ONNX
yolo export model=jameslahm/yolov10{n/s/m/b/l/x} format=onnx opset=13 simplify将onnx转成tensorrt模型：
trtexec --onnx=yolov10n/s/m/b/l/x.onnx --saveEngine=yolov10n/s/m/b/l/x.engine --fp16最后将转换好的tenorrt模型使用C#源码即可
【视频演示和解说】
使用C#部署yolov10的目标检测tensorrt模型_哔哩哔哩_bilibili测试环境：win10 x64vs2019cuda11.7+cudnn8.8.0TensorRT-8.6.1.6opencvsharp==4.9.0.NET Framework4.7.2特别注意：环境一定要对上，否则无法正常运行，具体可以参考我的博客和录制视频。博客地址：https://blog.csdn.net/FL1623863129/article/details/139682652, 视频播放量 1、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心，相关视频：用C#部署yolov8的tensorrt模型进行目标检测winform最快检测速度，使用纯opencv部署yolov8目标检测模型onnx，[深度学习][目标检测][面试提问]Batch Normalization批归一化，使用C++部署yolov9的tensorrt模型进行目标检测，labelme json转yolo工具用于目标检测训练数据集使用教程，基于yolov8+bytetrack实现目标追踪视频演示，【yolo标题党的无奈】TRT快不等于TRT快- -!，C++使用纯opencv部署yolov9的onnx模型，yolov5自动标注工具自动打标签目标检测自动标注使用教程，C#实现全网yolov7目前最快winform目标检测
https://www.bilibili.com/video/BV17S411P7he/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
【部分实现源码】
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using FIRC;
using OpenCvSharp;
using TrtCommon;
using TensorRtSharp;
using TensorRtSharp.Custom;
using System.Diagnostics;
namespace WindowsFormsApp1
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
}
private void button1_Click(object sender, EventArgs e)
{
Yolov10Det detector = new Yolov10Det("yolov10n.engine");
Mat image1 = Cv2.ImRead(@"E:\person.jpg");
List<DetResult> detResults = detector.Predict(new List<Mat> { image1 });
Mat re_image1 = Visualize.DrawDetResult(detResults[0], image1);
Cv2.ImShow("image1", re_image1);
Cv2.WaitKey(0);
}
private void button2_Click(object sender, EventArgs e)
{
}
private void button3_Click(object sender, EventArgs e)
{
Yolov10Det detector = new Yolov10Det("yolov10n.engine");
VideoCapture capture = new VideoCapture(0);
if (!capture.IsOpened())
{
Console.WriteLine("video not open!");
return;
}
Mat frame = new Mat();
var sw = new Stopwatch();
int fps = 0;
while (true)
{
capture.Read(frame);
if (frame.Empty())
{
Console.WriteLine("data is empty!");
break;
}
sw.Start();
List<DetResult> detResults = detector.Predict(new List<Mat> { frame });
Mat resultImg = Visualize.DrawDetResult(detResults[0], frame);
sw.Stop();
fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);
sw.Reset();
Cv2.PutText(resultImg, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);
//显示结果
Cv2.ImShow("Result", resultImg);
int key = Cv2.WaitKey(10);
if (key == 27)
break;
}
capture.Release();
}
}
}
【演示源码下载地址】https://download.csdn.net/download/FL1623863129/89432589
注意源码提供上面对应环境的dll，只需要安装上面一样cuda+cudnn和tensorrt版本即可正常运行。如果您不安装一样版本不能正常运行。此时需要重新编译TensorRtExtern.dll，此外由于tensorrt依赖硬件不一样电脑可能无法共用tensorrt模型，所以必须要重新转换onnx模型到engine才可以运行。
