c# 基于 ML.Net中使用ONNX检测对象

最新推荐文章于 2025-06-26 16:19:35 发布

l1239430

最新推荐文章于 2025-06-26 16:19:35 发布

阅读量1.6k

点赞数 12

CC 4.0 BY-SA版权

文章标签： c# 分类开发语言

本文链接：https://blog.csdn.net/l1239430/article/details/140892375

教程：在 ML.NET 中使用 ONNX 检测对象

ONNX 对象检测示例概述

此示例创建一个 .NET 核心控制台应用程序，该应用程序使用预训练的深度学习 ONNX 模型检测图像中的对象。

了解模型

对象检测是图像处理任务。因此，训练解决该问题的大多数深度学习模型都是 CNN。本教程中使用的模型是 Tiny YOLOv2 模型，

什么是 ONNX 模型？

开放神经网络交换 (ONNX) 是 AI 模型的开放源代码格式。 ONNX 支持框架之间的互操作性。这意味着，你可以在许多常见的机器学习框架（如 pytorch）中训练模型，将其转换为 ONNX 格式，并在其他框架（如 ML.NET）中使用 ONNX 模型。有关详细信息，请参阅 ONNX 网站。

创建桌面应用程序

创建名为“ObjectDetection”的 C# 控制台应用程序。单击“下一步”按钮。
选择 .NET Framework 8.0 作为要使用的框架。单击“创建” 按钮。
安装“Microsoft.ML”NuGet 包

创建类和定义路径

创建 DimensionsBase 类文件

    public class DimensionsBase
    {
        public float X { get; set; }
        public float Y { get; set; }
        public float Height { get; set; }
        public float Width { get; set; }
    }

创建YoloBoundingBox.cs 文件


    public class BoundingBoxDimensions : DimensionsBase { }

    public class YoloBoundingBox
    {
        public BoundingBoxDimensions Dimensions { get; set; }

        public string Label { get; set; }

        public float Confidence { get; set; }

        public RectangleF Rect
        {
            get { return new RectangleF(Dimensions.X, Dimensions.Y, Dimensions.Width, Dimensions.Height); }
        }

        public Color BoxColor { get; set; }
    }

创建 YoloOutPutParser.cs 文件

 class YoloOutputParser
 {
     class CellDimensions : DimensionsBase { }

     public const int ROW_COUNT = 13;
     public const int COL_COUNT = 13;
     public const int CHANNEL_COUNT = 125;
     public const int BOXES_PER_CELL = 5;
     public const int BOX_INFO_FEATURE_COUNT = 5;
     public const int CLASS_COUNT = 20;
     public const float CELL_WIDTH = 32;
     public const float CELL_HEIGHT = 32;

     private int channelStride = ROW_COUNT * COL_COUNT;

     private float[] anchors = new float[]
     {
         1.08F, 1.19F, 3.42F, 4.41F, 6.63F, 11.38F, 9.42F, 5.11F, 16.62F, 10.52F
     };

     private string[] labels = new string[]
     {
         "aeroplane", "bicycle", "bird", "boat", "bottle",
         "bus", "car", "cat", "chair", "cow",
         "diningtable", "dog", "horse", "motorbike", "person",
         "pottedplant", "sheep", "sofa", "train", "tvmonitor"
     };

     private static Color[] classColors = new Color[]
     {
         Color.Khaki,
         Color.Fuchsia,
         Color.Silver,
         Co