这算是一个整合性得文章，主要记录下深度学习模型部署情况。目前部署推理得框架较多，如opencv、tensorrt、openvino、onnxruntime、darknet，paddlepaddle 用到的最多的应该是trt和openvino，接下来进行一一部署。1、opencvopencv作为一个开源的视觉库，想必大家都十分得了解了，再次不进行过多的解释，opencv部署深度学习框架主要是有dnn

数据集格式--具体格式和之前训练的yolov5_obb一致。

前面我们实现了自己模型的部署，但是部署是.exe的格式，不能用于项目中所以我们将工程文件修改为我们自己的项目工程。TensorRT7.0+yolov5+vs2019+cuda7.6_zhangdaoliang1的博客-CSDN博客https://blog.csdn.net/zhangdaoliang1/article/details/120434617TensorRT7.0+yolov5+win1

官方git:https://github.com/Megvii-BaseDetection/YOLOX.git主要步骤还是根据官方教程来，并记录一些坑。1、首先下载yolox到本地,并安装所需环境，因为我的环境之前跑v5的时候基本符合所以这一步很快就结束了。git clone git@github.com:Megvii-BaseDetection/YOLOX.gitcd YOLOXpip3 ins

前段时间yolov7的推出引起一篇热潮，接着rmyolo紧跟潮流，后面阿里的达摩院也推出了自己的yolo算法，怎么说呢，damoyolo推出依旧不少天了，现在才写博客，因为damoyolo给我的体验感不是很好。

之前下载了YoloV6s.pt 跑了下，虽然有误检但是置信度还是挺高的，所以打算跑一下自己的数据集我的数据集只有两类，当我加载我的数据集的时候问题就出现了。。。。问题1：先看官方的数据集格式。。。但是他会给你一直报错。。。。。 找找原因吧，一步一步找，，蛋疼。。。他这个多写了osp.dirname(img_dir)，，，来我们打印下。。 这肯定给你报错呀，，，因为你的路径就是错的呀，所以修改如下。

之前做过yolov3、yolov4+opencv进行检测，yolov5出道了v6版本的时候，开始支持dnn模块，所以下载试试，环境：opencv4.5.4 CUDA:10.2 QT:5.9yolov5大家可以从git上clone，这里使用的是yolov5s.pt模型。给他转换为onnxcap>>img;vector<Scalar> color;srand(time(0));

经常性的图像处理用到一个摄像头就行了，但是有时候也需要用到多个摄像头，这里介绍下如何打开多个摄像头。这里介绍三种打开方式 opencv ,MFC,QT,其实QT和MFC都是引用opencv的库总体上程序没有太多的变化。。介绍下QT打开三个摄像头，，，，，，VideoCapture cap1;VideoCapture cap2;VideoCapture cap3;Mat framelef...

通常情况下我们只部署一个模型打开一个相机，但是有时候我们需要多个模型多个相机进行检测，这样的话单个模型就行不通了。下面介绍如何基于paddlex进行多模型多相机得部署。不清楚不了解paddlex，可以去官网进行查看。环境：vs2019+paddlex+emgucv+yolov3我这里面一个是口罩检测模型，一个是数字检测模型，两个模型，两个相机同时运行，同时检测。完成！！！！！！！！！！！！！！！！