视觉/图像重磅干货，第一时间送达!
导 读
本文主要介绍在C#中使用YoloV8实现目标检测，并给详细步骤和代码。
详细步骤
【1】环境和依赖项。
需先安装VS2022最新版，.NetFramework8.0，然后新建项目，nuget安装
YoloSharp，YoloSharp介绍：
https://github.com/dme-compunet/YoloSharp 最新版6.0.1，本文只演示CPU版本。
【2】YoloV8模型转换。
将下载的(或自己训练好的)YoloV8模型转为onnx格式，代码如下：
from ultralytics import YOLO# Load a modelmodel = YOLO('path/to/best.pt')# Export the model to ONNX formatmodel.export(format='onnx')
【3】编写C#推理代码。
将转换后的onnx模型和测试图片准备好，使用下面代码加载即可预测：
using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;//using System.Drawing;using Compunet.YoloSharp;using Compunet.YoloSharp.Plotting;using SixLabors.ImageSharp;using Compunet.YoloSharp.Data;namespace Yolo_CSharp{internal class Program{static void Main(string[] args){//Load the YOLO predictorusing var predictor = new YoloPredictor("yolov8n.onnx");predictor.Configuration.SuppressParallelInference = true;predictor.Configuration.KeepAspectRatio = true;predictor.Configuration.Confidence = 0.3F;var results = predictor.Detect("2.jpg");using var image = SixLabors.ImageSharp.Image.Load("2.jpg");using var ploted = results.PlotImage(image);ploted.Save("cc.jpg");Console.WriteLine(results);}}}
【3】推理结果对比
使用python版本.pt模型推理和转换后的onnx模型在C#下推理结果对比如下：
python-yolov8n.pt
C#-yolov8n.onnx
—THE END—
觉得有用，麻烦给个赞和在看
