【代码】YOLO26-OBB ONNXruntime部署 python/C++

将下载的文件传到服务器上分别运行sudo dpkg -i libnvidia-container1_1.17.8-1_amd64.deb。下载对应的版本的四个文件。

YOLOv8保姆级动手把手攻略

docker cp /home/abc/tangrui_work/triton_packages_38你的容器名:/tmp/docker commit 你的容器名 triton_python:v2.0。然后使用docker images看一下是否成功即可。docker exec -it 你的容名 bash。将提前下载好的python安装包复制到容器里。在容器安装后，然后提交成新镜像。

目前主流的目标检测器以YOLOX为例，后处理后的output基本上output[: , :4]前四个代表的bbox的坐标一般会将中心宽高的形式转换成左上角右下角点坐标的形式，至于output[: , :4] output[:, :5]分别是obj是否包含物体的得分和类别得分，但是目前例如YOLOv8已经没有obj得分了似乎只有分类得分大家根据情况对脚本进行更改。最后一个维度为类别索引.首先这里这里

目标检测中根据xml格式的标签对图片的目标区域进行裁剪

本文使用ONNX版本为1.14.1，OpenCv版本为4.8.0（同时也支持4.5.0，4.7.0），RTDETR不需要后处理所以不需要进行后处理，与YOLO不同的点还有YOLO需要特征金字塔所以输出的tenser尺寸是动态变动的，RTDETR默认输入300个框，所以Tenser在输出上默认为[1,300,class+4]。

目标检测中根据xml格式的标签对图片的目标区域进行裁剪

【代码】【模型推理】加载pth文件进行模型推理。

TorchScript，它是PyTorch模型（子类nn.Module）的中间表示，可以在高性能环境（例如C ++）中运行。利用torch.jit.trace()函数。