点击下方卡片，关注“OpenCV与AI深度学习”
视觉/图像重磅干货，第一时间送达!
YOLOv11 C++ TensorRT 项目是一个用 C++ 实现并使用 NVIDIA TensorRT 进行优化的高性能对象检测解决方案。该项目利用 YOLOv11 模型提供快速准确的对象检测，并利用 TensorRT 最大限度地提高推理效率和性能。
https://github.com/hamdiboukamcha/Yolo-V11-cpp-TensorRT模型转换：将 ONNX 模型转换为 TensorRT 引擎文件以加速推理。 视频推理：有效地对视频文件进行对象检测。 图像推理：对单个图像执行对象检测。 高效率：针对使用 NVIDIA GPU 的实时物体检测进行了优化。 使用 CUDA 进行预处理：支持 CUDA 的预处理可实现更快的输入处理。
YOLOv11-TensorRT/├── CMakeLists.txt # Build configuration for the project├── include/ # Header files├── src/│ ├── main.cpp # Main entry point for the application│ ├── yolov11.cpp # YOLOv11 implementation│ └── preprocess.cu # CUDA preprocessing code├── assets/ # Images and benchmarks for README└── build/ # Compiled binaries
CMake（版本 3.18 或更高版本） TensorRT（V8.6.1.6：用于使用 YOLOv11 进行优化推理。） CUDA 工具包（V11.7：用于 GPU 加速） OpenCV（V4.10.0：用于图像和视频处理） NVIDIA GPU（计算能力 7.5 或更高）
安装配置
git clone https://github.com/hamdiboukamcha/Yolo-V11-cpp-TensorRT.gitcd YOLOv11-TensorRT
set(TENSORRT_PATH "F:/Program Files/TensorRT-8.6.1.6") # Adjust this to your path3. 构建项目
mkdir buildcd buildcmake ..make -j$(nproc)
from ultralytics import YOLOLoad the YOLO modelmodel = YOLO("yolo11s.pt")#Export the model to ONNX formatexport_path = model.export(format="onnx")
./YOLOv11TRT convert path_to_your_model.onnx path_to_your_engine.engine../YOLOv11TRT infer_video path_to_your_video.mp4 path_to_your_engine.engine./YOLOv11TRT infer_image path_to_your_image.jpg path_to_your_engine.engine#Define the path to TensorRT installationset(TENSORRT_PATH "F:/Program Files/TensorRT-8.6.1.6") # Update this to the actual path for TensorRT
—THE END—
下载1：Pytorch常用函数手册
欢迎加入CV学习交流微信群！
