yolov8是yolov5作者发布的新作品

目录

1、下载源码

2、下载权重

3、配置环境

4、导出onnx格式

 5、OpenCV DNN 推理

---

1、下载源码

git clone https://github.com/ultralytics/ultralytics.git

2、下载权重

git clone https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

3、配置环境

 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4、导出onnx格式

项目下models/export.md有说明：

 我在目录下用命令行没有反应，所以在项目目录下新建一个python文件【my_export.py】，输入：

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
# model = YOLO('path/to/best.pt')  # load a custom trained

# Export the model
model.export(format='onnx')

然后执行：

 python my_export.py

输出如下：

 5、OpenCV DNN 推理

用之前博客写的代码进行推理，发现有报错：

 用netron查看onnx格式模型：

再查看之前成功部署过的yolov5n.onnx:

 所以部署代码可能不通用。

又在项目下examples/YOLOv8-CPP-Inference找到部署代码，运行一下依然报错：

 看一下Cmakelist.txt:

 项目里面的C++推理代码应该也是基于OpenCV DNN的。

然后我就在网上找原因，发现是OpenCV版本低了，yolov8  opencv-dnn部署需要4.7以上的版本,我现在用的是OpenCV 4.5.5。

如果是onnxruntime的话就不需要，应该4.0以上的版本都可以，但是之前博客写的yolov5 的onnxruntime C++推理代码还是用不了，因为yolov8的输出与yolov5的输出不一样：

1、输出维度顺序已经变了（可以从上面的netron展示图看到）

2、另外yolov8输出中的84维度是少了一个yolov5的置信度（yolov5是85维度）

写到这里头有点大，思考后选择用onnxruntime推理。因为不想再装opencv4.7了，opencv-C++编译安装起来确实有点麻烦。