실시간 Object Detection 모델인 YOLOv7을 ONNX C++ 사용 튜토리얼을 참고하여 윈도우 어플리케이션에서 사용 가능하게 만들어보고 나중에 참고하려고 만들었습니다.
- onnxruntime-inference-examples
- Easiest way to Train yolov7 on the custom dataset – 2024
- Using YOLO in C++
- YOLOv7 공식 레포지토리를 clone하고 requirements.txt를 설치합니다.
- data 폴더에 "train", "val" 폴더를 생성후 이미지와 라벨 파일을 넣어줍니다.
- "coco.yaml" 파일을 열고 아래와 같이 수정합니다.
- 'train: data/train'
- 'val: data/val'
- 'nc:1' (no of classes), 데이터셋에 알맞게 수정합니다.
- names:[‘Package’] 데이터셋에 알맞게 수정합니다.
- yolov7/cfg/training 경로에 있는 "yolov7.yaml" 파일을 열고 nc 를 Step3에서 설정한 nc와 동일하게 수정합니다.
- https://github.com/WongKinYiu/yolov7#performance에서 YOLOv7 다운로드합니다.
- yolov7.pt 파일을 yolov7 폴더로 이동합니다.
from google.colab import drive
drive.mount('/content/drive')
!pip install -r drive/MyDrive/yolov7/requirements.txt
!pip install -r drive/MyDrive/yolov7/requirements_gpu.txt
!python train.py --workers 1 --device 0 --batch-size 16 --epochs 100 --img 640 640 --hyp data/hyp.scratch. custom.yaml --name yolov7-custom --weights yolov7.pt- colab에서 실행하였습니다.
- 모델 테스트는 생략합니다
- export.py로 생성된 .pt파일을 .onnx로 변환합니다.
python export.py --weights yolov7-tiny.pt --grid --end2end --simplify --include-nms \
--topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640 --max-wh 640- OpenCV와 ONNX Runtime을 설치합니다.
- 모델을 GPU로 돌리려는 경우 CUDA Libraries도 필요합니다.
- LoadDnnModel 클래스(계속 수정) :
//LoadDnnModel.h
using Array = std::vector<float>;
using Shape = std::vector<int64_t>;
class LoadDnnModel
{
public:
LoadDnnModel();
~LoadDnnModel();
void LoadOnnx();
pair<Array, Shape> process_image(Ort::Session* session, Array& array, Shape shape);
tuple<Array, Shape, cv::Mat> Read_Image(const string& path, int size);
void drawPred(float conf, int left, int top, int right, int bottom, cv::Mat& frame, int classid);
void display_image(cv::Mat image, const Array& output, const Shape& shape);
private:
bool use_cuda = false;
int image_size = 640;
string model_path = "weights\\best.onnx";
string image_path = "";
Ort::Env env;
Ort::Session* session_;
Ort::Value input_tensor_{ nullptr };
};- classes의 이름도 설정해야 합니다.
//LoadDnnModel.cpp
const char* class_names[] = { "packages" };
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent