# yolo-onnx-java_old

**Repository Path**: lwgboy/yolo-onnx-java_old

## Basic Information

- **Project Name**: yolo-onnx-java_old
- **Description**: java 傻瓜 式 简单 调用 python yolo  onnx 模型  支持 yolov5 和 yolov7，包含 预处理 和 后处理
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 28
- **Created**: 2024-04-08
- **Last Updated**: 2024-04-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 项目由来
1.  在调用深度学习训练好的AI模型时，如果使用python调用非常简单，甚至不用编写代码，大部分深度学习框架就是python编写的，自带有推理逻辑文件和方法
2.  但是不是每个同学都会python,不是每个项目都是python语言开发，不是每个岗位都会深度学习
3.  由于大部分服务器项目还是由java语言居多，java方向的开发者也多，由于本人找遍全网也没有找到java调用AI模型的例子
4.  所以特意编写一个java调用AI模型的方法。思路是通用的，只需要替换不同的模型即可达到不同效果
5.   **不懂项目有什么用作？不知道用在什么地方？没关系，先下载运行看效果后立马就明白了！** 

---

## 先下载运行看效果再研究代码，别忘记点star
1.  下载代码可直接运行主文件：`ObjectDetection_1_25200_n.java` 或者 `ObjectDetection_n_7.java` 都可以直接运行
2.  两个可以运行的主文件是为了支持不用网络结构的模型，即使是`onnx`模型，输出的结果参数也不一样，支持以下两种结构
3.  目前代码仅支持`window`s系统，`linux`需要替换`opencv`的`dll`文件为`so`文件
4.  可以封装为HTTP controller API接口，也可以结合摄像头分析视频流，进行识别预览
5.  支持`yolov7` 和 `yolov5`，代码中自带的onnx模型仅仅为了演示，准确率非常低，实际应用需要自己训练
6.  替换`model`目录下的onnx模型文件，可以识别检测任何物体(烟火，跌倒，抽烟，安全帽，口罩，人，等等)，有模型即可
7.  模型不是onnx格式怎么办？不要紧张，主流模型都可以转为onnx格式
---

## ObjectDetection_1_25200_n.java
 - **85**：每一行`85`个数值，`5`个center_x,center_y, width, height，score ，`80`个标签类别得分(不一定是80要看模型标签数量)
 - **25200**：三个尺度上的预测框总和 `( 80∗80∗3 + 40∗40∗3 + 20∗20∗3 )`，每个网格三个预测框，后续需要`非极大值抑制NMS`处理
 - **1**：没有批量预测推理，即每次输入推理一张图片
![输入图片说明](https://foruda.gitee.com/images/1690944300550600655/cdf2a2cb_1451768.png "屏幕截图")
---

## ObjectDetection_n_7.java
 - **Concatoutput_dim_0** ：变量，表示当前图像中预测目标的数量，
 - **7**：表示每个目标的七个参数：`batch_id，x0，y0，x1，y1，cls_id，score`
![输入图片说明](https://foruda.gitee.com/images/1690944320288742664/eb1cb2d9_1451768.png "屏幕截图")

## 暂不直接支持输出结果是三个数组参数的模型
- [1,3,80,80,85]
- [1,3,40,40,85]
- [1,3,20,20,85]
- 但是这种结构模型可以转为[1,25200,85]输出结构，然后就可以使用ObjectDetection_1_25200_n.java

## ONNX
Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移.
是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch, MXNet）可以采用相同格式存储模型数据并交互。 ONNX的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM 等公司共同开发，以开放源代码的方式托管在Github