c++怎么用yolo目标检测

使用 YOLO（You Only Look Once）目标检测算法进行对象检测是一种常见的方法。下面是一些简单的步骤，来使用 C++ 实现 YOLO 目标检测。

1. 首先，你需要下载 YOLO 的权重文件和配置文件，这些文件可以从官方网站上下载得到。

2. 安装 OpenCV 库，该库是一个用于计算机视觉的开源计算机视觉库，并且可以通过 C++ 进行使用。

3. 加载 YOLO 权重文件和配置文件，并初始化 YOLO 模型。

4. 读取图像，使用 YOLO 模型进行对象检测。YOLO 模型会返回每个检测到的对象的类别、位置以及置信度等信息。

5. 可以将检测结果保存到文件中，或者在图像上绘制框来可视化检测结果。

以下是一个简单的示例代码，展示如何使用 C++ 实现 YOLO 目标检测。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 加载 YOLO 权重文件和配置文件
    String weights = "yolov3.weights";
    String cfg = "yolov3.cfg";
    dnn::Net net = dnn::readNetFromDarknet(cfg, weights);

    // 初始化 YOLO 模型
    net.setPreferableBackend(dnn::DNN_BACKEND_OPENCV);
    net.setPreferableTarget(dnn::DNN_TARGET_CPU);

    // 读取图像
    Mat image = imread("test.jpg");

    // 使用 YOLO 模型进行对象检测
    Mat inputBlob = dnn::blobFromImage(image, 1 / 255.0, Size(416, 416), Scalar(0, 0, 0), true, false);
    net.setInput(inputBlob);
    vector<Mat> outs;
    net.forward(outs, net.getUnconnectedOutLayersNames());
    float confThreshold = 0.5;
    vector<int> classIds;
    vector<float> confidences;
    vector<Rect> boxes;
    for (size_t i = 0; i < outs.size(); ++i)
    {
        // 解析 YOLO 模型的输出
        float* data = (float*)outs[i].data;
        for (int j = 0; j < outs[i].rows; ++j, data += outs[i].cols)
        {
            Mat scores = outs[i].row(j).colRange(5, outs[i].cols);
            Point classIdPoint;
            double confidence;
            minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
            if (confidence > confThreshold)
            {
                int centerX = (int)(data[0] * image.cols);
                int centerY = (int)(data[1] * image.rows);
                int width = (int)(data[2] * image.cols);
                int height = (int)(data[3] * image.rows);
                int left = centerX - width / 2;
                int top = centerY - height / 2;
                classIds.push_back(classIdPoint.x);
                confidences.push_back((float)confidence);
                boxes.push_back(Rect(left, top, width, height));
            }
        }
    }

    // 可视化检测结果
    vector<String> classNames = {"person", "car", "truck", "bus", "motorbike"};
    for (size_t i = 0; i < boxes.size(); ++i)
    {
        Rect box = boxes[i];
        rectangle(image, box, Scalar(0, 0, 255), 2);
        int classId = classIds[i];
        String label = format("%.2f %s", confidences[i], classNames[classId].c_str());
        int baseline;
        Size labelSize = getTextSize(label, FONT_HERSHEY_SIMPLEX, 0.5, 1, &baseline);
        rectangle(image, Point(box.x, box.y - labelSize.height - baseline),
                  Point(box.x + labelSize.width, box.y), Scalar(255, 255, 255), FILLED);
        putText(image, label, Point(box.x, box.y - baseline), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 0, 0));
    }

    // 显示图像
    imshow("YOLO Object Detection", image);
    waitKey(0);

    return 0;
}

在上面的代码中，我们使用 OpenCV 库进行了 YOLO 目标检测，并且绘制了检测结果。你可以自己尝试一下，看看能否成功运行代码。