OpenCV Java開發(fā)環(huán)境配置
Java 開發(fā)的IDE,推薦選擇IDEA這個,真的比較好用,我下載的是社區(qū)版,免費可用。
安裝好以后直接點擊打開,選擇 New Project
添加本地的OpenCV Java SDK的 Jar文件依賴包 從Project Structure到 Modules 到 Module SDK 添加Jars or Dependence
OpenCV Java 代碼測試
OpenCV Java配置好以后,測試代碼首先需要加載DLL,然后依賴Java SDK,可以實現(xiàn)圖像加載與顯示。測試代碼如下:
package org.example; import org.opencv.core.*; import org.opencv.highgui.HighGui; import org.opencv.imgcodecs.Imgcodecs; //TIP To Run code, pressor // click the icon in the gutter. public class YOLOv5DNNDetector { public static void main(String[] args) { System.load("D:/opencv-4.8.0/opencv/build/java/x64/opencv_java480.dll"); System.out.println("start to read image..."); Mat inputImage = Imgcodecs.imread("D:/images/lena.jpg"); HighGui.imshow("Java OpenCV開發(fā)測試", inputImage); HighGui.waitKey(0); HighGui.destroyAllWindows(); System.exit(0); } }
運行結果如下:
YOLOv5模型部署
基于YOLOv5 7.0版本,完成了對象檢測
publicstaticvoidmain(String[]args){
System.load("D:/opencv-4.8.0/opencv/build/java/x64/opencv_java480.dll");
System.out.println("starttoreadimage...");
Stringfile_path="D:/python/yolov5-7.0/classes.txt";
try{
MatinputImage=Imgcodecs.imread("D:/bird_test/city-walk.jpg");
java.util.ArrayListboxes=newArrayList<>();
FileInputStreamfis=newFileInputStream(file_path);
BufferedReaderbr=newBufferedReader(newInputStreamReader(fis));
YOLOv5DNNDetectordetector=newYOLOv5DNNDetector("D:/python/yolov5-7.0/yolov5s.onnx",0.5f,0.5f,640,640);
Stringline;
ArrayListmap_labels=newArrayList<>();
while((line=br.readLine())!=null){
map_labels.add(line);
}
detector.addAllLabels(map_labels);
detector.infer_image(inputImage,boxes);
HighGui.imshow("OpenCV4.8forJavaYOLOv5對象檢測演示",inputImage);
HighGui.waitKey(0);
HighGui.destroyAllWindows();
}catch(Exceptione){
e.printStackTrace();
}
System.exit(0);
}
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。
舉報投訴
-
JAVA
+關注
關注
20文章
2998瀏覽量
116302 -
模型
+關注
關注
1文章
3730瀏覽量
52053 -
代碼
+關注
關注
30文章
4965瀏覽量
73844 -
OpenCV
+關注
關注
33文章
652瀏覽量
44724
原文標題:OpenCV4.8 Java SDK實現(xiàn)YOLOv5模型部署
文章出處:【微信號:CVSCHOOL,微信公眾號:OpenCV學堂】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
熱點推薦
Yolov5算法解讀
,這幾個模型的結構基本一樣,不同的是depth_multiple模型深度和width_multiple模型寬度這兩個參數(shù)。 yolov5主要分為輸入端,backbone,Neck,和h
【YOLOv5】LabVIEW+TensorRT的yolov5部署實戰(zhàn)(含源碼)
今天主要和大家分享在LabVIEW中使用純TensoRT工具包快速部署并實現(xiàn)yolov5的物體識別
怎樣使用PyTorch Hub去加載YOLOv5模型
在Python>=3.7.0環(huán)境中安裝requirements.txt,包括PyTorch>=1.7。模型和數(shù)據(jù)集從最新的 YOLOv5版本自動下載。簡單示例此示例從
發(fā)表于 07-22 16:02
yolov5模型onnx轉bmodel無法識別出結果如何解決?
推理硬件:質算盒SE5,芯片BM1684。
2. SDK: v2.7.0
代碼:
1. 模型來源yolov5官方:https://github.com/ultralytics/
發(fā)表于 09-15 07:30
YOLOv5在OpenCV上的推理程序
YOLOv5官方給出的YOLOv5在OpenCV上推理的程序相對來說是比較通俗易懂的,條理清晰,有基本的封裝,直接可用!但是我也發(fā)現(xiàn),模型的推理時間跟前后處理的時間相差無幾,特別是當視
在C++中使用OpenVINO工具包部署YOLOv5模型
下載并轉換YOLOv5預訓練模型的詳細步驟,請參考:《基于OpenVINO?2022.2和蝰蛇峽谷優(yōu)化并部署YOLOv5模型》,本文所使用的
三種主流模型部署框架YOLOv8推理演示
深度學習模型部署有OpenVINO、ONNXRUNTIME、TensorRT三個主流框架,均支持Python與C++的SDK使用。對YOLOv5~Y
YOLOv8+OpenCV實現(xiàn)DM碼定位檢測與解析
YOLOv8是YOLO系列模型的最新王者,各種指標全面超越現(xiàn)有對象檢測與實例分割模型,借鑒了YOLOv5、YOLOv6、YOLOX等
基于OpenCV DNN實現(xiàn)YOLOv8的模型部署與推理演示
基于OpenCV DNN實現(xiàn)YOLOv8推理的好處就是一套代碼就可以部署在Windows10系統(tǒng)、烏班圖系統(tǒng)、Jetson的Jetpack系統(tǒng)
在樹莓派上部署YOLOv5進行動物目標檢測的完整流程
卓越的性能。本文將詳細介紹如何在性能更強的計算機上訓練YOLOv5模型,并將訓練好的模型部署到樹莓派4B上,通過樹莓派的攝像頭進行實時動物目標檢測。
一、在電腦上訓練
基于瑞芯微RK3576的 yolov5訓練部署教程
1.Yolov5簡介 YOLOv5 模型是 Ultralytics 公司于 2020 年 6 月 9 日公開發(fā)布的。YOLOv5 模型是基于
OpenCV4.8 Java SDK實現(xiàn)YOLOv5模型部署
評論