libtorch yolov5 c++部署

YoloV5是一种目标检测算法，LibTorch是C++版本的PyTorch库。将两者结合起来可以实现YoloV5的C++部署。

以下是一些基本的步骤：

1.下载YoloV5的预训练模型。

2.安装LibTorch库。

3.将下载的预训练模型加载到LibTorch中。

4.将待检测的图像传递给模型进行推理。

5.解析模型输出并绘制检测结果。

这里提供一个简单的示例代码，仅供参考：

#include <torch/script.h>
#include <torch/torch.h>
#include <torch/serialize.h>
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    torch::DeviceType device_type;
    if (torch::cuda::is_available()) {
        device_type = torch::kCUDA;
    } else {
        device_type = torch::kCPU;
    }

    torch::jit::script::Module module;
    try {
        module = torch::jit::load("yolov5s.torchscript.pt", device_type);
    } catch (const c10::Error& e) {
        cerr << "error loading the model\n";
        return -1;
    }

    Mat img = imread("test.jpg");
    cv::resize(img, img, cv::Size(640, 640));
    cv::cvtColor(img, img, cv::COLOR_BGR2RGB);
    cv::Mat img_float;
    img.convertTo(img_float, CV_32FC3, 1.0f / 255);

    torch::Tensor tensor_image = torch::from_blob(img_float.data, {1, img.rows, img.cols, 3});
    tensor_image = tensor_image.permute({0, 3, 1, 2});

    tensor_image[0][0] = tensor_image[0][0].sub_(0.485).div_(0.229);
    tensor_image[0][1] = tensor_image[0][1].sub_(0.456).div_(0.224);
    tensor_image[0][2] = tensor_image[0][2].sub_(0.406).div_(0.225);

    std::vector<torch::jit::IValue> inputs;
    inputs.push_back(tensor_image.to(device_type));

    auto outputs = module.forward(inputs).toTuple();
    auto pred = outputs->elements()[0].toTensor();
    auto conf = outputs->elements()[1].toTensor();
    auto cls = outputs->elements()[2].toTensor();

    auto results = torch::multiclass_nms(pred, conf, 0.4, 0.5);

    for (int i = 0; i < results.sizes()[0]; i++) {
        auto result = results[i];
        cv::Rect rect(result[0].item<float>(), result[1].item<float>(), result[2].item<float>() - result[0].item<float>(), result[3].item<float>() - result[1].item<float>());
        float score = result[4].item<float>();
        int class_id = result[5].item<int>();

        if (score > 0.5) {
            cv::rectangle(img, rect, cv::Scalar(0, 255, 0), 2);
            stringstream ss;
            ss << score;
            cv::putText(img, ss.str(), cv::Point(rect.x, rect.y - 5), cv::FONT_HERSHEY_SIMPLEX, 0.5, cv::Scalar(0, 255, 0), 2);
        }
    }

    cv::imwrite("result.jpg", img);
    return 0;
}

这个示例代码使用了OpenCV库来读取图像，将图像转换为LibTorch的Tensor格式，进行推理，然后将结果绘制在图像上并保存。你需要将这个代码修改为适合你自己的环境和数据，以便在你的系统上运行。