访问官网
Github
论文项目简介
ONNX-YOLOv8-Object-Detection 是一个面向计算机视觉领域的项目，其主要目标是通过使用YOLOv8模型进行高效的目标检测。这一项目利用ONNX格式来优化模型的跨平台性能，支持在不同设备上灵活运行。
重要事项
在使用该项目时，需要注意输入图像的尺寸必须与模型输入尺寸匹配。因此，建议尽量使用与模型输入比例接近的图像数据，以确保模型的检测准确性。项目中没有对输入图像进行填充处理，这一设计选择可能会影响不同纵横比图像的检测效果。
环境要求
在开始使用该项目前，需要满足一些基本软件环境的要求：
- 检查并安装
requirements.txt中的所有依赖库。 - 如果设备配置有NVIDIA GPU，建议安装
onnxruntime-gpu以充分发挥GPU的计算能力。没有GPU的情况下，安装onnxruntime即可。
安装步骤
要安装和配置ONNX-YOLOv8-Object-Detection项目，可以按照以下步骤操作：
git clone https://github.com/ibaiGorordo/ONNX-YOLOv8-Object-Detection.git
cd ONNX-YOLOv8-Object-Detection
pip install -r requirements.txt
对于具有Nvidia GPU的计算机，执行以下命令安装相应的ONNX运行时：
pip install onnxruntime-gpu
如果没有GPU，安装以下版本:
pip install onnxruntime
模型转换
用户可以通过Google Colab笔记本来转换YOLOv8模型为ONNX格式。首先需要安装ultralytics库，然后运行以下代码：
from ultralytics import YOLO
model = YOLO("yolov8m.pt")
model.export(format="onnx", imgsz=[480,640])
原始YOLOv8模型
原始的YOLOv8模型可以在ultralytics的官方代码库中找到，其授权协议为GPL-3.0。用户可以按照GPL-3.0的许可协议条件对模型进行使用和修改。
使用示例
项目不仅能处理图片，还可以处理视频流，如摄像头和视频文件中的目标检测。以下是一些具体的命令示例：
-
图片推理：
python image_object_detection.py -
摄像头推理：
python webcam_object_detection.py -
视频推理：
python video_object_detection.py
参考资料
- YOLOv8模型、YOLOv5模型、YOLOv6模型、YOLOv7模型的源码均可在相应代码库中找到。
- 由PINTO0309提供的模型库中包含多种模型格式的转换工具。
ONNX-YOLOv8-Object-Detection项目为计算机视觉研究者和开发者提供了一个便捷的工具，帮助他们在各种环境中迅速进行目标检测任务。通过支持ONNX格式，项目大大提高了模型在不同硬件设备上的应用灵活性和执行效率。
