首页 > TAG信息列表 > FasterRcnn
C++：onnxruntime调用FasterRCNN模型
背景： 最近由于项目原因，需要用C++做一些目标检测的任务，就捣鼓一下YOLOv5，发现部署确实很方便，将YOLOv5模型转为onnx模型后，可以用OpenCV的dnn.readNetFromONNX读取该模型，接着就是输入预处理和输出结果解析的事情。 然而，当我将tf15训练得到的FasterRCNN模型并FasterRcnn中的tensor方法resize_()和copy_()
resize_()可以将使用此方法的tensor对象的形状进行改变，和numpy中的reshape函数不同，此方法运行变化后的大小和原来大小不一样，超出部分进行补0 copy_()参数将参数的数值复制到对象中，前提是参数形状要和对象形状一致。 通过Variable变量可以有效地在深度学习中进行加速运算。VarabFasterRCNN框架解读
1、写在前面 从零开始入门物体检测。物体检测的网络架构和普通的任务有所不同，简单来讲就是子模块更多，从图像到最终结果的过程更加复杂。本文是FasterRCNN的框架解读，还没有具体到代码层面（即将更新代码解读）。其中涉及一些概念，比如anchor，bbox，FPN等等。这些概念对于没了解过物体检测