YoloSharp：训练 Yolo 模型，轻松实现物体检测

项目介绍

YoloSharp 是一个开源项目，它允许用户在 C# 环境中使用 TorchSharp 库来训练 Yolo 模型。这个项目免去了将 .pt 模型转换为 onnx 格式的繁琐步骤，用户可以轻松地在 C# 环境中训练自己的模型。目前支持 Yolov5、Yolov5u、Yolov8、Yolov11 和 Yolov12 等版本的模型，并且支持预测和分割功能。

项目技术分析

YoloSharp 采用 C# 语言编写，利用了 TorchSharp 库来实现深度学习模型的训练和预测。TorchSharp 是一个 .NET 的深度学习框架，它提供了对 PyTorch 模型的支持，可以将 PyTorch 模型直接导入到 .NET 环境中使用。

项目主要包含以下功能：

• 支持 Yolov5、Yolov5u、Yolov8、Yolov11 和 Yolov12 等版本的模型训练和预测。
• 支持 n/s/m/l/x 不同大小的模型。
• 支持 LetterBox 和 Mosaic4 方法进行图像预处理。
• 支持 GPU 加速的非极大值抑制（NMS）。
• 支持加载从 ultralytics/yolov5/yolov8/yolo11 和 yolov12 转换的预训练模型。

项目技术应用场景

YoloSharp 可以应用于多种场景，以下是一些典型的应用案例：

1. 实时物体检测：在视频监控、无人驾驶等领域，实时检测画面中的物体位置和类别是至关重要的。通过训练 YoloSharp 模型，可以实现高效准确的物体检测。

2. 工业检测：在工业生产过程中，需要对产品进行质量检测，例如检测产品上的瑕疵、缺陷等。YoloSharp 可以对图像进行实时分析，帮助提高生产效率。

3. 医学图像分析：在医学领域，对医学图像进行自动识别和分析可以帮助医生更快地诊断疾病。YoloSharp 可以应用于医学图像的检测和识别，辅助医生进行诊断。

4. 人脸识别：在安防、金融等领域，人脸识别技术得到了广泛应用。通过训练 YoloSharp 模型，可以实现对人脸的实时检测和识别。

项目特点

1. 纯 C# 编写，易于集成和使用。
2. 支持多种 Yolo 版本的模型训练和预测。
3. 支持图像预处理和 GPU 加速，提高训练和预测效率。
4. 提供预训练模型，方便用户快速入门和使用。

以下是 YoloSharp 项目中提供的一些预训练模型：

| 模型 | n | s | m | l | x | | --- | ----------- | ----------- | ----------- | ----------- | ----------- | | yolov5 | yolov5n | yolov5s | yolov5m | yolov5l | yolov5x |

使用 YoloSharp 进行预测的示例代码如下：

Bitmap inputBitmap = new Bitmap(predictImagePath);

// 创建预测器
Predictor predictor = new Predictor(sortCount, yoloType: yoloType, deviceType: deviceType, yoloSize: yoloSize, dtype: dtype);

// 加载模型
predictor.LoadModel(preTraindModelPath);
predictor.Train(trainDataPath, valDataPath, outputPath: outputPath, batchSize: batchSize, epochs: epochs);

// 预测图像
predictor.LoadModel(Path.Combine(outputPath, "best.bin"));
var results = predictor.ImagePredict(inputBitmap, predictThreshold, iouThreshold);

通过以上介绍，相信您已经对 YoloSharp 有了初步的了解。如果您正在寻找一个易于使用且功能强大的 C# 深度学习库，YoloSharp 将是一个不错的选择。欢迎您尝试使用 YoloSharp，并在项目中发挥其强大的物体检测能力。