帮我用c++编写动态链接库封装yolov5，导入onnx模型

好的，下面是一个简单的示例代码，仅供参考：

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

#include <onnxruntime_cxx_api.h>

class YOLOv5 {
public:
    YOLOv5(const std::string& model_path) {
        // 创建会话
        Ort::SessionOptions options;
        options.SetIntraOpNumThreads(1);
        options.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_EXTENDED);
        session_ = Ort::Session(env_, model_path.c_str(), options);
    }

    std::vector<cv::Rect> detect(const cv::Mat& image) {
        // 预处理图像
        cv::Mat resized_image;
        cv::resize(image, resized_image, cv::Size(input_size_, input_size_));
        cv::Mat float_image;
        resized_image.convertTo(float_image, CV_32FC3, 1.0 / 255.0);
        float* input_data = float_image.ptr<float>();

        // 准备输入张量
        Ort::MemoryInfo input_info = Ort::MemoryInfo::CreateCpu(OrtDeviceAllocator, OrtMemTypeCPU);
        std::vector<int64_t> input_shape = {1, 3, input_size_, input_size_};
        Ort::Value input_tensor = Ort::Value::CreateTensor<float>(input_info, input_data, input_shape.data(), input_shape.size());

        // 准备输出张量
        Ort::MemoryInfo output_info = Ort::MemoryInfo::CreateCpu(OrtDeviceAllocator, OrtMemTypeCPU);
        std::vector<const char*> output_names = {"output"};
        std::vector<int64_t> output_shape = {1, 25200, 85};
        std::vector<float> output_data(25200 * 85);

        // 运行模型
        Ort::RunOptions run_options;
        session_.Run(run_options, &input_names_[0], &input_tensor, 1, &output_names[0], 1, &output_info, &output_data[0], output_data.size());

        // 解析输出张量
        std::vector<cv::Rect> detections;
        for (int i = 0; i < 25200; i++) {
            float* data = &output_data[i * 85];
            int class_id = std::max_element(data + 5, data + 85) - data - 5;
            float confidence = data[class_id + 5];
            if (confidence >= confidence_threshold_) {
                int x1 = static_cast<int>((data[0] - data[2] / 2.0) * image.cols);
                int y1 = static_cast<int>((data[1] - data[3] / 2.0) * image.rows);
                int x2 = static_cast<int>((data[0] + data[2] / 2.0) * image.cols);
                int y2 = static_cast<int>((data[1] + data[3] / 2.0) * image.rows);
                detections.emplace_back(x1, y1, x2 - x1, y2 - y1);
            }
        }

        return detections;
    }

private:
    Ort::Env env_{ORT_LOGGING_LEVEL_ERROR, "yolov5"};
    Ort::Session session_;
    int input_size_ = 640;
    float confidence_threshold_ = 0.5;
    std::vector<const char*> input_names_ = {"input"};
};

这个类使用了 ONNX Runtime C++ API，可以加载 ONNX 模型并进行推理。在这个示例中，模型的输入张量名为 "input"，输出张量名为 "output"，模型的输入尺寸为 640x640，置信度阈值为 0.5。

在使用时，只需要创建 YOLOv5 对象并调用 detect 方法即可：

YOLOv5 yolo("yolov5.onnx");
cv::Mat image = cv::imread("test.jpg");
std::vector<cv::Rect> detections = yolo.detect(image);