YoloV5-LibTorch: A C++ repository from xiaowk5516

此项目使用可参考教程

VS2019 配置 LibTorch 和 OpenCV Windows 下 C++ 中使用 YoloV5

Windows 10 中编译此项目

下载所需要的编译工具
```
cmake
opencv
libtorch
```

打开此项目下面的 CMakeLists.txt 按下面的方式添加路径

// Torch_DIR 路径为 libtorch 下面的 share/cmake/Torch/
set(Torch_DIR /path/to/libtorch/share/cmake/Torch/)
// OpenCV_DIR 路径为 opencv/build/
set(OpenCV_DIR /path/to/opencv/build/)

执行下面方法进行生成项目

mkdir build
cd build
cmake ..
// 根据你 LibTorch 版本选择执行下面语句
// Debug
cmake --build . --config Debug
cmake --install . --config Debug
// Release
cmake --build . --config Release
cmake --install . --config Release

在 Path 中添加下面的环境变量

\path\to\libtorch\lib
// vc15 vc14 都可以
\path\to\opencv\build\x64\vc15\bin

测试
```
cd bin
test.exe
```

Linux 等系统中编译此项目

由于没有测试不便多说应该是更加简单，安装好 opencv 和 libtorch 之后直接执行下面代码即可

mkdir build
cd build
cmake ..
make
make install

使用方法 1

直接在工程中引入刚才生成工程下 lib 目录（库目录）和 include 目录（头文件目录），具体 API 见头文件或者使用方法 2 中的一些阐述

使用方法 2

添加 YoloV5.cpp 和 YoloV5.h 到你的项目

构造 YoloV5 对象

// pt 文件路径
YoloV5 yolo("ptFile");

预测

直接图片预测

cv::Mat img = cv::imread("图片路径");
std::vector<torch::Tensor> r = yolo.prediction(img);

图片路径预测

std::vector<torch::Tensor> r = yolo.prediction("图片路径");

对结果处理

画框

// img 为预测前的图片 
cv::Mat img = yolo.drawRectangle(img, r[0]);

判断是否存在类型
```
bool is = yolo.existencePrediction(r);
```

其余方法使用（见.h文件注解）

xiaowk5516/YoloV5-LibTorch

此项目使用可参考教程

Windows 10 中编译此项目

Linux 等系统中编译此项目

使用方法 1

使用方法 2