yolov3 MNN框架部署C++版

一、模型转换：

1.训练的模型格式：https://github.com/AlexeyAB/darknet/ darknet训练出来的weights

2.将训练时的.cfg文件和训练后得到的.weights文件根据https://github.com/Tianxiaomo/pytorch-YOLOv4 中demo_darknet2onnx文件转onnx

3.转成MNN

二、onnx转换成MN

mnn编译：

https://github.com/alibaba/MNN.git

建议版本：

https://github.com/alibaba/MNN/archive/1.1.2.tar.gz

• 编译：

#mnn编译
mkdir build && cd build
cmake -DMNN_BUILD_CONVERTER=ON  -D MNN_OPENCL=ON -D MNN_USE_SYSTEM_LIB=ON -D MNN_SEP_BUILD=OFF ..  #生成转换工具   后边三个选项是编译GPU版本
make -j8
make install

• onnx→mnn:

#进入build目录
cd build
#模型zhuanhua
./MNNConvert -f ONNX --modelFile yolov3.onnx --MNNModel yolov3.mnn --bizCode MNN

当模型过大时：A protocol message was rejected because it was too big (more than 67108864 bytes)会报这个错误

解决方式：/tools/converter/source/onnx/OnnxUtils.cpp文件中添加：

google::protobuf::io::IstreamInputStream input(&fs);
google::protobuf::io::CodedInputStream codedstr(&input);
#加下面这一行，添加完重新编译就行
codedstr.SetTotalBytesLimit(512 * 1024 * 1024, 64 * 1024 * 1024);

三、模型推理

只有这一个文件，CMakeList中添加MNN和opencv的环境即可

后处理过程：对模型输出的格式进行解析。"boxes" -- [batch, num, 1, 4] ; "confs" -- [batch, num, num_classes]

工程地址: https://github.com/liujiaxing7/MNN-yolov3 　支持CPU和GPU (若有帮助,可以star支持一下哟~)

./yolo.out path.mnn images.txt classes.txt

四、效果

版权声明：本文为CSDN博主「刘大壮_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ljx123_/article/details/121561603