yolov5 tensorrt C++

你可以使用YOLOv5模型结合TensorRT来进行目标检测任务的加速。首先，确保你已经在C++环境中成功安装了TensorRT和YOLOv5模型。接下来，你需要加载YOLOv5模型并将其转换为TensorRT引擎。

以下是一个简单的示例代码，演示了如何在C++中使用YOLOv5模型和TensorRT进行目标检测：

#include <iostream>
#include <fstream>
#include <sstream>
#include <vector>
#include <opencv2/opencv.hpp>
#include <NvInfer.h>
#include <NvOnnxParser.h>

using namespace std;
using namespace cv;

// 定义YOLOv5的输入尺寸
const int INPUT_W = 640;
const int INPUT_H = 640;

// 加载YOLOv5模型并创建TensorRT引擎
nvinfer1::ICudaEngine* loadYOLOv5Engine(const string& engineFile) {
    // 加载TensorRT引擎文件
    ifstream engineFileStream(engineFile, ios::binary);
    if (!en