易语言 YOLOv7v1.0 目标检测

z13228604287

简单说明

使用OpenCV、部署YOLOV7目标检测，一共包含12个onnx模型，易语言程序实现 需要OPENCV 支持库。

由于onnx文件太多，无法直接上传到论坛里，需要从百度云盘下载，

链接：https://pan.baidu.com/s/1VSYkILerRQsoDiIhl-6eTQ 提取码：4ypk

YOLOV7的训练源码是：

https://github.com/WongKinYiu/yolov7



详细实现代码如下：

  

窗口程序集名	保 留	保 留	备 注
YOLOV7, , 公开, 1.0版本
变量名	类 型	数组	备 注
网络宽	整数型
网络高	整数型
类名	字节集	0
类数	整数型
置信阈值	小数型
非最大抑制阈值	小数型
网络	网络类

子程序名	返回值类型	公开	备 注
_初始化			当基于本类的对象被创建后，此方法会被自动调用

置信阈值 ＝ 0.3
非最大抑制阈值 ＝ 0.5
网络高 ＝ 480
网络宽 ＝ 640

子程序名	返回值类型	公开	备 注
_销毁			当基于本类的对象被销毁前，此方法会被自动调用

子程序名	返回值类型	公开	备 注
初始化
参数名	类 型	参考	可空	数组	备 注
模型	文本型
类名	文本型

网络 ＝ 视觉_读取网络 (模型, “”, “”)
类名 ＝ 分割字节集 (读入文件 (类名), { 10 }, )
类数 ＝ 取数组成员数 (类名)

子程序名	返回值类型	公开	备 注
检测
参数名	类 型	参考	可空	数组	备 注
图	多维矩阵类

变量名	类 型	静态	数组	备 注
密保	多维矩阵类
输出	多维矩阵类		0
结果_数	整数型
N输出	整数型
位移长度	整数型
高比率	小数型
宽比率	小数型
计次	整数型			///cx,cy,w,h,box_score,class_score
行_位置	整数型			///cx,cy,w,h,box_score,class_score
小数指针	整数型
预测框分数	小数型
分数	多维矩阵类
最大类分数	双精度小数型
类ID位置	点2i类
类_ID	整数型
中心X	小数型
中心y	小数型
宽	小数型
高	小数型
左边	整数型
顶边	整数型
置信度数组	小数型		0
预测框数组	矩形2i类		0
类ID数组	整数型		0
抑制索引	整数型		0
类ID	整数型
预测框	矩形2i类

密保 ＝ 视觉_图像前景目标 (图, 1 ÷ 255, 尺寸2i (网络宽, 网络高), , 真, 假, 5)
网络.设置输入 (密保, “”, 1, )
网络.前向计算V (输出, 网络.获取未连接的输出层名称 ())
结果_数 ＝ 输出 [1].维度元素数 (0)
N输出 ＝ 输出 [1].维度元素数 (1)
如果真 (输出 [1].维度 () ＞ 2)
结果_数 ＝ 输出 [1].维度元素数 (1)
N输出 ＝ 输出 [1].维度元素数 (2)
输出 [1] ＝ 输出 [1].重塑 (0, 结果_数)

高比率 ＝ 图.行数 () ÷ 网络高
宽比率 ＝ 图.列数 () ÷ 网络宽
小数指针 ＝ 输出 [1].数据指针 ()
位移长度 ＝ N输出 × 4
计次循环首 (结果_数, 计次)
预测框分数 ＝ 指针到小数 (小数指针 ＋ 16)
如果真 (预测框分数 ＞ 置信阈值)
分数 ＝ 输出 [1].行 (行_位置).列范围 (5, N输出)
' 获取最高分的数值和位置
视觉_最小最大位置 (分数, , 最大类分数, , 类ID位置, )
最大类分数 ＝ 最大类分数 × 预测框分数
如果真 (最大类分数 ＞ 置信阈值)
类_ID ＝ 类ID位置.左边
中心X ＝ 指针到小数 (小数指针) × 宽比率  ' ///cx
中心y ＝ 指针到小数 (小数指针 ＋ 4) × 高比率  ' ///cy
宽 ＝ 指针到小数 (小数指针 ＋ 8) × 宽比率  ' ///w
高 ＝ 指针到小数 (小数指针 ＋ 12) × 高比率  ' ///h
左边 ＝ 中心X － 0.5 × 宽
顶边 ＝ 中心y － 0.5 × 高
加入成员 (置信度数组, 最大类分数)
加入成员 (预测框数组, 矩形2i (左边, 顶边, 宽, 高))
加入成员 (类ID数组, 类_ID)

行_位置 ＝ 行_位置 ＋ 1
小数指针 ＝ 小数指针 ＋ 位移长度
计次循环尾 ()
' // 执行非最大抑制以消除冗余重叠预测框
' // 降低置信度
视觉_非最大抑制 (预测框数组, 置信度数组, 置信阈值, 非最大抑制阈值, 抑制索引, 1, 0)
计次循环首 (取数组成员数 (抑制索引), 计次)
类ID ＝ 抑制索引 [计次]
预测框 ＝ 预测框数组 [类ID ＋ 1]
绘制结果 (置信度数组 [类ID], 预测框.左边, 预测框.顶边, 预测框.左边 ＋ 预测框.宽度, 预测框.顶边 ＋ 预测框.高度, 图, 类ID数组 [类ID])
计次循环尾 ()

子程序名	返回值类型	公开	备 注
绘制结果
参数名	类 型	参考	可空	数组	备 注
自信度	小数型
左边	整数型
顶边	整数型
右边	整数型
底边	整数型
图	多维矩阵类
类ID	整数型

变量名	类 型	静态	数组	备 注
标签	文本型
标签尺寸	尺寸2i类
基线	整数型

视觉_矩形1 (图, 点2i (左边, 顶边), 点2i (右边, 底边), 标量 (0, 0, 255), 2, 0, 0)
标签 ＝ 到文本 (类名 [类ID ＋ 1]) ＋ “:” ＋ 到文本 (自信度)
标签尺寸 ＝ 视觉_获取文本尺寸 (标签, #字体_衬线_简单, 0.5, 1, 基线)
顶边 ＝ 视觉_取最大值 (顶边, 标签尺寸.高)
视觉_放置文本 (图, 标签, 点2i (左边, 顶边), #字体_衬线_简单, 0.75, 标量 (0, 255, 0), 1, 8, 假)

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 YOLOV7, , 公开, 1.0版本<br /> .程序集变量 网络宽, 整数型<br /> .程序集变量 网络高, 整数型<br /> .程序集变量 类名, 字节集, , "0"<br /> .程序集变量 类数, 整数型<br /> .程序集变量 置信阈值, 小数型<br /> .程序集变量 非最大抑制阈值, 小数型<br /> .程序集变量 网络, 网络类<br /> <br /> .子程序 _初始化, , , 当基于本类的对象被创建后，此方法会被自动调用<br /> <br /> 置信阈值 ＝ 0.3<br /> 非最大抑制阈值 ＝ 0.5<br /> 网络高 ＝ 480<br /> 网络宽 ＝ 640<br /> <br /> .子程序 _销毁, , , 当基于本类的对象被销毁前，此方法会被自动调用<br /> <br /> <br /> <br /> .子程序 初始化, , 公开<br /> .参数 模型, 文本型<br /> .参数 类名, 文本型<br /> <br /> 网络 ＝ 视觉_读取网络 (模型, “”, “”)<br /> 类名 ＝ 分割字节集 (读入文件 (类名), { 10 }, )<br /> 类数 ＝ 取数组成员数 (类名)<br /> <br /> .子程序 检测, , 公开<br /> .参数 图, 多维矩阵类<br /> .局部变量 密保, 多维矩阵类<br /> .局部变量 输出, 多维矩阵类, , "0"<br /> .局部变量 结果_数, 整数型<br /> .局部变量 N输出, 整数型<br /> .局部变量 位移长度, 整数型<br /> .局部变量 高比率, 小数型<br /> .局部变量 宽比率, 小数型<br /> .局部变量 计次, 整数型, , , ///cx,cy,w,h,box_score,class_score<br /> .局部变量 行_位置, 整数型, , , ///cx,cy,w,h,box_score,class_score<br /> .局部变量 小数指针, 整数型<br /> .局部变量 预测框分数, 小数型<br /> .局部变量 分数, 多维矩阵类<br /> .局部变量 最大类分数, 双精度小数型<br /> .局部变量 类ID位置, 点2i类<br /> .局部变量 类_ID, 整数型<br /> .局部变量 中心X, 小数型<br /> .局部变量 中心y, 小数型<br /> .局部变量 宽, 小数型<br /> .局部变量 高, 小数型<br /> .局部变量 左边, 整数型<br /> .局部变量 顶边, 整数型<br /> .局部变量 置信度数组, 小数型, , "0"<br /> .局部变量 预测框数组, 矩形2i类, , "0"<br /> .局部变量 类ID数组, 整数型, , "0"<br /> .局部变量 抑制索引, 整数型, , "0"<br /> .局部变量 类ID, 整数型<br /> .局部变量 预测框, 矩形2i类<br /> <br /> 密保 ＝ 视觉_图像前景目标 (图, 1 ÷ 255, 尺寸2i (网络宽, 网络高), , 真, 假, 5)<br /> 网络.设置输入 (密保, “”, 1, )<br /> 网络.前向计算V (输出, 网络.获取未连接的输出层名称 ())<br /> 结果_数 ＝ 输出 [1].维度元素数 (0)<br /> N输出 ＝ 输出 [1].维度元素数 (1)<br /> <br /> .如果真 (输出 [1].维度 () ＞ 2)<br />     结果_数 ＝ 输出 [1].维度元素数 (1)<br />     N输出 ＝ 输出 [1].维度元素数 (2)<br />     输出 [1] ＝ 输出 [1].重塑 (0, 结果_数)<br /> .如果真结束<br /> <br /> 高比率 ＝ 图.行数 () ÷ 网络高<br /> 宽比率 ＝ 图.列数 () ÷ 网络宽<br /> 小数指针 ＝ 输出 [1].数据指针 ()<br /> 位移长度 ＝ N输出 × 4<br /> .计次循环首 (结果_数, 计次)<br />     预测框分数 ＝ 指针到小数 (小数指针 ＋ 16)<br />     .如果真 (预测框分数 ＞ 置信阈值)<br />         分数 ＝ 输出 [1].行 (行_位置).列范围 (5, N输出)<br />         ' 获取最高分的数值和位置<br />         视觉_最小最大位置 (分数, , 最大类分数, , 类ID位置, )<br />         最大类分数 ＝ 最大类分数 × 预测框分数<br />         .如果真 (最大类分数 ＞ 置信阈值)<br />             类_ID ＝ 类ID位置.左边<br />             中心X ＝ 指针到小数 (小数指针) × 宽比率  ' ///cx<br />             中心y ＝ 指针到小数 (小数指针 ＋ 4) × 高比率  ' ///cy<br />             宽 ＝ 指针到小数 (小数指针 ＋ 8) × 宽比率  ' ///w<br />             高 ＝ 指针到小数 (小数指针 ＋ 12) × 高比率  ' ///h<br />             左边 ＝ 中心X － 0.5 × 宽<br />             顶边 ＝ 中心y － 0.5 × 高<br />             加入成员 (置信度数组, 最大类分数)<br />             加入成员 (预测框数组, 矩形2i (左边, 顶边, 宽, 高))<br />             加入成员 (类ID数组, 类_ID)<br />         .如果真结束<br /> <br />     .如果真结束<br />     行_位置 ＝ 行_位置 ＋ 1<br />     小数指针 ＝ 小数指针 ＋ 位移长度<br /> .计次循环尾 ()<br /> ' // 执行非最大抑制以消除冗余重叠预测框<br /> ' // 降低置信度<br /> 视觉_非最大抑制 (预测框数组, 置信度数组, 置信阈值, 非最大抑制阈值, 抑制索引, 1, 0)<br /> .计次循环首 (取数组成员数 (抑制索引), 计次)<br />     类ID ＝ 抑制索引 [计次]<br />     预测框 ＝ 预测框数组 [类ID ＋ 1]<br />     绘制结果 (置信度数组 [类ID], 预测框.左边, 预测框.顶边, 预测框.左边 ＋ 预测框.宽度, 预测框.顶边 ＋ 预测框.高度, 图, 类ID数组 [类ID])<br /> .计次循环尾 ()<br /> <br /> <br /> .子程序 绘制结果<br /> .参数 自信度, 小数型<br /> .参数 左边, 整数型<br /> .参数 顶边, 整数型<br /> .参数 右边, 整数型<br /> .参数 底边, 整数型<br /> .参数 图, 多维矩阵类<br /> .参数 类ID, 整数型<br /> .局部变量 标签, 文本型<br /> .局部变量 标签尺寸, 尺寸2i类<br /> .局部变量 基线, 整数型<br /> <br /> 视觉_矩形1 (图, 点2i (左边, 顶边), 点2i (右边, 底边), 标量 (0, 0, 255), 2, 0, 0)<br /> 标签 ＝ 到文本 (类名 [类ID ＋ 1]) ＋ “:” ＋ 到文本 (自信度)<br /> 标签尺寸 ＝ 视觉_获取文本尺寸 (标签, #字体_衬线_简单, 0.5, 1, 基线)<br /> 顶边 ＝ 视觉_取最大值 (顶边, 标签尺寸.高)<br /> 视觉_放置文本 (图, 标签, 点2i (左边, 顶边), #字体_衬线_简单, 0.75, 标量 (0, 255, 0), 1, 8, 假)

  

窗口程序集名	保 留	保 留	备 注
程序集1
变量名	类 型	数组	备 注
配置	网络_配置

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
网络	YOLOV7
srcimg	多维矩阵类
计时	长整数型

网络.初始化 (“C:\Users\hanyo\Desktop\yolov7-tiny_480x640.onnx”, “E:\OPENCV\YOLO4\darknet-master\build\darknet\x64\data\coco.names”)
srcimg ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\YOLO-v6.0\YOLO5_测试模型\dog.jpg”, #读图_彩色 )
计时 ＝ 视觉_取启动时间 ()
网络.检测 (srcimg)
调试输出 (“耗时：”, 视觉_取启动时间差异 (计时, 0))
视觉_创建窗口 (“OpenCV YOLO7 调用测试”, #窗口_标准 )
视觉_显示图像 (“OpenCV YOLO7 调用测试”, srcimg)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()
返回 (0)  ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
OpenCV	(未知支持库)
spec	特殊功能支持库

.版本 2<br /> .支持库 OpenCV<br /> .支持库 spec<br /> <br /> .程序集 程序集1<br /> .程序集变量 配置, 网络_配置<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 网络, YOLOV7<br /> .局部变量 srcimg, 多维矩阵类<br /> .局部变量 计时, 长整数型<br /> <br /> <br /> <br /> 网络.初始化 (“C:\Users\hanyo\Desktop\yolov7-tiny_480x640.onnx”, “E:\OPENCV\YOLO4\darknet-master\build\darknet\x64\data\coco.names”)<br /> srcimg ＝ 视觉_图像读取 (“C:\Users\hanyo\Desktop\YOLO-v6.0\YOLO5_测试模型\dog.jpg”, #读图_彩色)<br /> 计时 ＝ 视觉_取启动时间 ()<br /> 网络.检测 (srcimg)<br /> 调试输出 (“耗时：”, 视觉_取启动时间差异 (计时, 0))<br /> <br /> 视觉_创建窗口 (“OpenCV YOLO7 调用测试”, #窗口_标准)<br /> 视觉_显示图像 (“OpenCV YOLO7 调用测试”, srcimg)<br /> 视觉_等待按键 (0)<br /> 视觉_销毁所有窗口 ()<br /> <br /> 返回 (0)  ' 可以根据您的需要返回任意数值

海乐香

6666666666666666

张艺林

6666666666666666666

Firehole

提供了思路，慢慢找

yang2004

65222222222222222222222

像神一样飘渺

他这个是收费的吧

yvh3344

支持开源~~~~~感谢共享

wanlig34

怎么使用，有具体教程吗？

xxx159357

好,太好了

tjh2023

支持开源，真心感谢