YOLOv5 C#中进行模型预测（.net版）

1、说明

        在C#中进行模型预测，目前博主使用的是Yolov5Net.Scorer库，该库貌似只支持.net环境下的调用，不支持winform和wpf。并且Yolov5Net.Scorer库只支持矩形检测，不支持实例分割训练出来的模型，这点大伙要注意了。至于实例分割的模型预测和winform、wpf环境下的使用，博主后续会继续研究。

        模型训练博主目前在yolov5-master、yolov5 6.1，这两个版本的yolo中都得到了验证，可行。如果采用的是yolov5 6.1版本进行训练，环境安装会稍微有点坑爹，在博客的后面博主会专门做说明。目前博主将采用yolov5-master版本来做演示。

当前工程源码下载：

链接：https://pan.baidu.com/s/13V8qkzxYjkKuLTwou08oFA

提取码：afav

2、准备工作

参考博客：Yolov5学习全过程：训练+运行+c#部署（无理论全实操）

yolov5下载：https://github.com/ultralytics/yolov5

如果想下载yolov5其他版本，可以选择旁边的Tags选项卡进行下载。

yolov5-net-master下载，里面包含了Yolov5Net.Scorer库源码和官方demo：https://github.com/nihevix/yolov5-net-master

3、YOLO环境安装

        yolov5的环境安装请参考博客：《YOLOv5 安装开发环境》

        如果使用的是yolov5 6.1版本，在搭建虚拟环境时，推荐Python版本为3.8，博主尝试过用3.10，好像没搭建成功，有兴趣的同学可以试试。

        GPU的安装方法可以参考下面两个博客：《Windows11下安装cuda》《YOLOv5 GPU训练方法》

4、YOLO训练

        yolov5-master模型训练请参考这两个博客：《YOLOv5 自定义数据集训练方法》《Labelme安装与运行》

        训练完之后，我们就得到了yolo的pt模型文件了。

        训练命令：

python train.py --img 640 --batch 16 --epochs 300 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights yolov5s.pt --device 0

5、pt转onnx文件   

        进行模型转换时，需要安装一些库，安装完之后，才能执行换行命令，不过yolov5-master可以不必手动安装，程序在进行转换时，如果未检测到onnx，会自动安装，但是yolov5 6.1需要手动安装才行，安装命令如下：

pip install -r requirements.txt coremltools onnx onnx-simplifier onnxruntime openvino-dev tensorflow-cpu

        1、生成静态模型

python export.py --weights runs/train/exp/weights/best.pt --include onnx

        2、生成动态模型

python export.py --weights runs/train/exp/weights/best.pt --include onnx --dynamic

        从生成效果看，动态模型会比静态模型小一点

6、Yolov5Net.Scorer C#集成与预测

目前Yolov5Net.Scorer库只支持.net环境，不支持winfrom，这个有点坑，博主后续会研究一下如何在winform中进行模型预测。

Yolov5Net.Scorer提供了两个预测模型YoloCocoP5Model和YoloCocoP6Model，yolov5-master和yolov5 6.1转换的onnx模型在P5和P6中都能运行，博主测试过了，我们这边直接使用默认的P5模型来进行演示。

1、修改Yolov5Net.Scorer/Models/YoloCocoP5Model.cs文件：

按如下进行修改调整

Program.cs文件的测试代码如下：

using SixLabors.Fonts;
using SixLabors.ImageSharp;
using SixLabors.ImageSharp.Drawing.Processing;
using SixLabors.ImageSharp.PixelFormats;
using SixLabors.ImageSharp.Processing;
using Yolov5Net.Scorer;
using Yolov5Net.Scorer.Models;

using var image = await Image.LoadAsync<Rgba32>("Assets/000055.jpg");
{
    using var scorer = new YoloScorer<YoloCocoP5Model>("Assets/Weights/best-yibiao-d.onnx");
    {
        var predictions = scorer.Predict(image);

        var font = new Font(new FontCollection().Add("C:/Windows/Fonts/consola.ttf"), 16);

        foreach (var prediction in predictions) // draw predictions
        {
            var score = Math.Round(prediction.Score, 2);

            var (x, y) = (prediction.Rectangle.Left - 3, prediction.Rectangle.Top - 23);

            image.Mutate(a => a.DrawPolygon(new Pen(prediction.Label.Color, 1),
                new PointF(prediction.Rectangle.Left, prediction.Rectangle.Top),
                new PointF(prediction.Rectangle.Right, prediction.Rectangle.Top),
                new PointF(prediction.Rectangle.Right, prediction.Rectangle.Bottom),
                new PointF(prediction.Rectangle.Left, prediction.Rectangle.Bottom)
            ));

            image.Mutate(a => a.DrawText($"{prediction.Label.Name} ({score})",
                font, prediction.Label.Color, new PointF(x, y)));
        }

        await image.SaveAsync("Assets/result.jpg");
    }
}

最终效果如下：

7、yolov5 6.1版本避坑说明

1、Python版本推荐使用3.8，博主尝试过用3.10，好像没搭建成功，有兴趣的同学可以试试。

2、训练时如果报下面这个错误，多半原因是numpy版本问题，yolo官方给的是大于等于1.18.5，当你执行pip install -r requirements.txt命令时，他默认安装为1.24，但是在numpy版本更新时numpy.int在NumPy 1.20中已弃用，在NumPy 1.24中已删除。下面给2个解决方案：

方案1：重新安装numpy

pip uninstall numpy
pip install numpy==1.22

方案2：改代码（不太推荐）

找到报错地方，将numpy.int更改为numpy.int_

3、如果出现下面这个问题：

RuntimeError: result type Float can‘t be cast to the desired output type long int

解决方案如下：

参考博客：https://blog.csdn.net/Thebest_jack/article/details/125649451