FastestDet: 比yolo-fastest更快！更强！更简单！全新设计的超...

z13228604287

文章地址：https://zhuanlan.zhihu.com/p/536500269 易语言：
一、类构造：

  

窗口程序集名	保 留	保 留	备 注
FastestDet			https://zhuanlan.zhihu.com/p/536500269
变量名	类 型	数组	备 注
输入宽	整数型
输入高	整数型
类_名	文本型	0
数_类	整数型
置信阈值	小数型
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

输入宽 ＝ 512
输入高 ＝ 512
类_名 ＝ 分割文本 ( #coco, #换行符, )
数_类 ＝ 取数组成员数 (类_名)

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
置信度阈值_	小数型
抑制阈值_	小数型
onnx文件路径	文本型

网络 ＝ 视觉_读取网络 (“C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\FastestDet.onnx”, , “”)
置信阈值 ＝ 置信度阈值_
抑制阈值 ＝ 抑制阈值_

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

变量名	类 型	静态	数组	备 注
预处理图	多维矩阵类
输出数组	多维矩阵类		0
数_提取	整数型
位置	整数型
置信度数组	小数型		0
框数组	矩形2i类		0
类索引数组	整数型		0
i	整数型
j	整数型
行_数	整数型
数_网格_x	整数型
数_网格_y	整数型
数据指针	小数型指针类
得分	多维矩阵类
类坐标	点2i类
最大_类_得分	双精度小数型
类_索引x	整数型
中心左	小数型
中心上	小数型
宽	小数型
高	小数型
左	整数型
顶	整数型
indices	整数型		0
索引x	整数型
框	矩形2i类

预处理图 ＝ 视觉_图像前景目标 (输入图, 1 ÷ 255, 尺寸2i (输入宽, 输入高), , 假, 假, 5)
网络.设置输入 (预处理图, “”, 1, )
网络.前向计算V (输出数组, 网络.获取未连接的输出层名称 ())
数_提取 ＝ 输出数组 [1].维度元素数 (0)
位置 ＝ 输出数组 [1].维度元素数 (1)
数_网格_x ＝ 32
数_网格_y ＝ 32
数据指针.指针 ＝ 输出数组 [1].数据指针 ()
变量循环首 (0, 数_网格_y － 1, 1, i)
变量循环首 (0, 数_网格_x － 1, 1, j)
得分 ＝ 输出数组 [1].行 (行_数).列范围 (5, 位置)
' 获取最高分的数值和位置
视觉_最小最大位置 (得分, , 最大_类_得分, , 类坐标, )
最大_类_得分 ＝ 最大_类_得分 × 数据指针.读 (0)
如果真 (最大_类_得分 ＞ 置信阈值)
类_索引x ＝ 类坐标.左边
中心左 ＝ (求正切 (数据指针.读 (1)) ＋ j) ÷ 数_网格_x
中心上 ＝ (求正切 (数据指针.读 (2)) ＋ i) ÷ 数_网格_y
宽 ＝ 二分类概率 (数据指针.读 (3))
高 ＝ 二分类概率 (数据指针.读 (4))
中心左 ＝ 中心左 × 输入图.列数 ()
中心上 ＝ 中心上 × 输入图.行数 ()
宽 ＝ 宽 × 输入图.列数 ()
高 ＝ 高 × 输入图.行数 ()
左 ＝ 中心左 － 0.5 × 宽
顶 ＝ 中心上 － 0.5 × 高
加入成员 (置信度数组, 最大_类_得分)
加入成员 (框数组, 矩形2i (左, 顶, 宽, 高))
加入成员 (类索引数组, 类_索引x)
行_数 ＝ 行_数 ＋ 1
数据指针.偏移 (位置)
变量循环尾 ()
变量循环尾 ()
' // 执行非最大抑制以消除冗余重叠框
' // 降低置信度
视觉_非最大抑制 (框数组, 置信度数组, 置信阈值, 抑制阈值, indices, 1, 0)
计次循环首 (取数组成员数 (indices), i)
索引x ＝ indices [i] ＋ 1
框 ＝ 框数组 [索引x]
绘制预测框 (置信度数组 [索引x], 框.左边, 框.顶边, 框.左边 ＋ 框.宽度, 框.顶边 ＋ 框.高度, 输入图, 类索引数组 [索引x])
计次循环尾 ()

子程序名	返回值类型	公开	备 注
二分类概率	小数型
参数名	类 型	参考	可空	数组	备 注
x	小数型

返回 (1 ÷ (1 ＋ 求反对数 (－x)))

子程序名	返回值类型	公开	备 注
绘制预测框			绘制预测的边框
参数名	类 型	参考	可空	数组	备 注
置信度	小数型
左	整数型
上	整数型
右	整数型
下	整数型
绘制图	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

' //绘制一个显示边框的矩形
视觉_矩形1 (绘制图, 点2i (左, 上), 点2i (右, 下), 标量 (0, 0, 255), 2, 0, 0)
' //获取类名的标签及其置信度
标签 ＝ 到文本 (四舍五入 (置信度, 2))
标签 ＝ 类_名 [类ID ＋ 1] ＋ “:” ＋ 标签
' //在边框顶部显示标签
标签尺寸 ＝ 视觉_获取文本尺寸 (标签, #字体_衬线_简单, 0.5, 1, )
上 ＝ 视觉_取最大值 (上, 标签尺寸.高)
视觉_放置文本 (绘制图, 标签, 点2i (左, 上), #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 FastestDet, , , https://zhuanlan.zhihu.com/p/536500269<br /> .程序集变量 输入宽, 整数型<br /> .程序集变量 输入高, 整数型<br /> .程序集变量 类_名, 文本型, , "0"<br /> .程序集变量 数_类, 整数型<br /> .程序集变量 置信阈值, 小数型<br /> .程序集变量 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 /> 输入宽 ＝ 512<br /> 输入高 ＝ 512<br /> 类_名 ＝ 分割文本 (#coco, #换行符, )<br /> 数_类 ＝ 取数组成员数 (类_名)<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 置信度阈值_, 小数型<br /> .参数 抑制阈值_, 小数型<br /> .参数 onnx文件路径, 文本型<br /> <br /> 网络 ＝ 视觉_读取网络 (“C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\FastestDet.onnx”, , “”)<br /> 置信阈值 ＝ 置信度阈值_<br /> 抑制阈值 ＝ 抑制阈值_<br /> <br /> .子程序 检测识别, , 公开<br /> .参数 输入图, 多维矩阵类<br /> .局部变量 预处理图, 多维矩阵类<br /> .局部变量 输出数组, 多维矩阵类, , "0"<br /> .局部变量 数_提取, 整数型<br /> .局部变量 位置, 整数型<br /> .局部变量 置信度数组, 小数型, , "0"<br /> .局部变量 框数组, 矩形2i类, , "0"<br /> .局部变量 类索引数组, 整数型, , "0"<br /> .局部变量 i, 整数型<br /> .局部变量 j, 整数型<br /> .局部变量 行_数, 整数型<br /> .局部变量 数_网格_x, 整数型<br /> .局部变量 数_网格_y, 整数型<br /> .局部变量 数据指针, 小数型指针类<br /> .局部变量 得分, 多维矩阵类<br /> .局部变量 类坐标, 点2i类<br /> .局部变量 最大_类_得分, 双精度小数型<br /> .局部变量 类_索引x, 整数型<br /> .局部变量 中心左, 小数型<br /> .局部变量 中心上, 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, 整数型<br /> .局部变量 顶, 整数型<br /> .局部变量 indices, 整数型, , "0"<br /> .局部变量 索引x, 整数型<br /> .局部变量 框, 矩形2i类<br /> <br /> 预处理图 ＝ 视觉_图像前景目标 (输入图, 1 ÷ 255, 尺寸2i (输入宽, 输入高), , 假, 假, 5)<br /> 网络.设置输入 (预处理图, “”, 1, )<br /> 网络.前向计算V (输出数组, 网络.获取未连接的输出层名称 ())<br /> 数_提取 ＝ 输出数组 [1].维度元素数 (0)<br /> 位置 ＝ 输出数组 [1].维度元素数 (1)<br /> 数_网格_x ＝ 32<br /> 数_网格_y ＝ 32<br /> 数据指针.指针 ＝ 输出数组 [1].数据指针 ()<br /> .变量循环首 (0, 数_网格_y － 1, 1, i)<br />     .变量循环首 (0, 数_网格_x － 1, 1, j)<br />         得分 ＝ 输出数组 [1].行 (行_数).列范围 (5, 位置)<br />         ' 获取最高分的数值和位置<br />         视觉_最小最大位置 (得分, , 最大_类_得分, , 类坐标, )<br />         最大_类_得分 ＝ 最大_类_得分 × 数据指针.读 (0)<br />         .如果真 (最大_类_得分 ＞ 置信阈值)<br />             类_索引x ＝ 类坐标.左边<br />             中心左 ＝ (求正切 (数据指针.读 (1)) ＋ j) ÷ 数_网格_x<br />             中心上 ＝ (求正切 (数据指针.读 (2)) ＋ i) ÷ 数_网格_y<br />             宽 ＝ 二分类概率 (数据指针.读 (3))<br />             高 ＝ 二分类概率 (数据指针.读 (4))<br />             中心左 ＝ 中心左 × 输入图.列数 ()<br />             中心上 ＝ 中心上 × 输入图.行数 ()<br />             宽 ＝ 宽 × 输入图.列数 ()<br />             高 ＝ 高 × 输入图.行数 ()<br />             左 ＝ 中心左 － 0.5 × 宽<br />             顶 ＝ 中心上 － 0.5 × 高<br />             加入成员 (置信度数组, 最大_类_得分)<br />             加入成员 (框数组, 矩形2i (左, 顶, 宽, 高))<br />             加入成员 (类索引数组, 类_索引x)<br />         .如果真结束<br />         行_数 ＝ 行_数 ＋ 1<br />         数据指针.偏移 (位置)<br />     .变量循环尾 ()<br /> .变量循环尾 ()<br /> ' // 执行非最大抑制以消除冗余重叠框<br /> ' // 降低置信度<br /> 视觉_非最大抑制 (框数组, 置信度数组, 置信阈值, 抑制阈值, indices, 1, 0)<br /> .计次循环首 (取数组成员数 (indices), i)<br />     索引x ＝ indices <i> ＋ 1<br />     框 ＝ 框数组 [索引x]<br />     绘制预测框 (置信度数组 [索引x], 框.左边, 框.顶边, 框.左边 ＋ 框.宽度, 框.顶边 ＋ 框.高度, 输入图, 类索引数组 [索引x])<br /> .计次循环尾 ()<br /> <br /> .子程序 二分类概率, 小数型<br /> .参数 x, 小数型<br /> <br /> 返回 (1 ÷ (1 ＋ 求反对数 (－x)))<br /> <br /> .子程序 绘制预测框, , , 绘制预测的边框<br /> .参数 置信度, 小数型<br /> .参数 左, 整数型<br /> .参数 上, 整数型<br /> .参数 右, 整数型<br /> .参数 下, 整数型<br /> .参数 绘制图, 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 /> <br /> ' //绘制一个显示边框的矩形<br /> 视觉_矩形1 (绘制图, 点2i (左, 上), 点2i (右, 下), 标量 (0, 0, 255), 2, 0, 0)<br /> ' //获取类名的标签及其置信度<br /> 标签 ＝ 到文本 (四舍五入 (置信度, 2))<br /> 标签 ＝ 类_名 [类ID ＋ 1] ＋ “:” ＋ 标签<br /> ' //在边框顶部显示标签<br /> 标签尺寸 ＝ 视觉_获取文本尺寸 (标签, #字体_衬线_简单, 0.5, 1, )<br /> 上 ＝ 视觉_取最大值 (上, 标签尺寸.高)<br /> 视觉_放置文本 (绘制图, 标签, 点2i (左, 上), #字体_衬线_简单, 0.75, 标量 (0, 255, 0), 1, 8, 假)

二、调用：

  

窗口程序集名	保 留	保 留	备 注
FastestDet_Demo

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
FastestDet	FastestDet
onnx模型路径	文本型
图片路径	文本型
输入图	多维矩阵类

onnx模型路径 ＝ “C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\FastestDet.onnx”
FastestDet.初始化 (0.8, 0.35, onnx模型路径)
图片路径 ＝ “C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\data\3.jpg”
输入图 ＝ 视觉_图像读取 (图片路径, #读图_彩色 )
FastestDet.检测识别 (输入图)
视觉_显示图像 (“小白鼠”, 输入图)
视觉_等待按键 (0)
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)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 FastestDet_Demo<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 FastestDet, FastestDet<br /> .局部变量 onnx模型路径, 文本型<br /> .局部变量 图片路径, 文本型<br /> .局部变量 输入图, 多维矩阵类<br /> <br /> onnx模型路径 ＝ “C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\FastestDet.onnx”<br /> FastestDet.初始化 (0.8, 0.35, onnx模型路径)<br /> 图片路径 ＝ “C:\Users\hanyo\Desktop\FastestDet-opencv-dnn-main\data\3.jpg”<br /> <br /> 输入图 ＝ 视觉_图像读取 (图片路径, #读图_彩色)<br /> FastestDet.检测识别 (输入图)<br /> 视觉_显示图像 (“小白鼠”, 输入图)<br /> 视觉_等待按键 (0)<br /> 返回 (0)  ' 可以根据您的需要返回任意数值

三、上效果图：

a996836

        支持开源~！感谢分享

892141059

77777777777777777

xxx159357

好,太好了

yanshuai5856

有下载地址吗

yanshuai5856

牛逼 学习

huyajieai

l88i

支持多线程么

眉公

可以根据您的需要返回任意数值

昵称已被注册

nice,大佬牛逼哦