# yolov5_onnxrutime_infer

**Repository Path**: yuanfangshangya/yolov5_onnxrutime_infer

## Basic Information

- **Project Name**: yolov5_onnxrutime_infer
- **Description**: yolov5在onnxruntime上推理实现。
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-08-16
- **Last Updated**: 2023-08-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# yolov5_onnxrutime_infer

#### 介绍
yolov5在onnxruntime上推理实现。

1、安装onnxruntime
	pip install onnxruntime
2、导出yolov5s.pt为onnx，在YOLOv5源码中运行export.py即可将pt文件导出为onnx。
3、使用onnx进行推理，这一步只能获取模型推理产生的候选框，拿到推理结果后还需要进行下一步处理，通过非极大值抑制对候选框进行筛选。
	使用onnx加载yolov5s.onnx模型，进行推理计算，打印推理结果，打印的推理结果矩阵为[25200, 85]，意味着有25200个检测框，每个检测框包含85个结果。显然拿到直接的推理结果还无法在图像上进行准确的目标绘制，接下来还要进行非极大值抑制才能获取准确推理结果。
4、非极大值抑制：非极大值抑制可以采用OpenCV等接口实现，也可以手动实现。这里根据非极大值原理进行手动实现。
	非极大值抑制分为置信度和iou抑制。首先进行置信度抑制，此处置信度为检测框置信度而非分类结果的置信度，设置检测框置信度阈值0.25。
	置信度抑制非常简单，即根据置信度阈值，移除阈值以下的候选框，保留阈值以上的候选框进入下一步处理。
        在iou抑制之前，先对所有候选框列表进行置信度排序，然后从候选框列表中找出不同类别候选框形成子列表候选框。
	iou抑制整体思路：对每个类别候选框取出最大置信度候选框优先输出，再通过最大置信度候选框与其他候选框计算iou，通过iou阈值判断，大于iou阈值则删除，循环计算直至候选框列表为空。
	最后将保留的候选框输出，在图像上绘制检测结果。
![输入图片说明](image.png)