OpenCV4.8 C++實現YOLOv8 OBB旋轉對象檢測

YOLOv8 OBB介紹

YOLOv8框架在在支持分類、對象檢測、實例分割、姿態評估的基礎上更近一步，現已經支持旋轉對象檢測（OBB），基于DOTA數據集，支持航拍圖像的15個類別對象檢測，包括車輛、船只、典型各種場地等。包含2800多張圖像、18W個實例對象。

不同尺度的YOLOv8 OBB模型的精度與輸入格式列表如下：

導出與預測

基于YOLOv8命令行推理測試：

## 導出
yolo export model=yolov8s-obb.pt format=onnx
##推理
yolo obb predict model=yolov8n-obb.pt source=plane_03.jpg

輸入與輸出結構說明

基于OpenCV4.8 DNN與ONNX格式模型直接預測推理，首先看一下ONNX格式的YOLOv8-OBB輸入與輸出格式：

OpenCV4.8 C++ 推理演示 我把YOLOv8 OBB C++推理封裝成一個類YOLOv8ObbDetector，客戶端調用只有引用頭文件，然后三行代碼即可實現YOLOv8旋轉對象檢測C++ 的推理，代碼演示如下：

#include
#include
#include

std::stringlabel_map="D:/python/my_yolov8_train_demo/dotav1.txt";
intmain(intargc,char**argv){
std::vectorclassNames;
std::ifstreamfp(label_map);
std::stringname;
while(!fp.eof()){
getline(fp,name);
if(name.length()){
classNames.push_back(name);
}
}
fp.close();
std::shared_ptrdetector(newYOLOv8ObbDetector());
detector->initConfig("D:/python/my_yolov8_train_demo/yolov8s-obb.onnx",0.4f,1024,1024);
cv::Matframe=cv::imread("D:/python/my_yolov8_train_demo/wh300.jpg");
detector->detect(frame,classNames);
cv::imshow("YOLOv8旋轉對象檢測+OpenCV4.8",frame);
cv::waitKey(0);
cv::destroyAllWindows();
return0;
}

審核編輯：湯梓紅