[C#]winform部署yolov9的onnx模型

C# WinForms 部署 YOLOv9 ONNX 模型简介

在当今的计算机视觉领域，目标检测是不可或缺的一项技术。YOLO（You Only Look Once）系列模型以其高效和准确的特点受到了广泛关注。随着YOLOv9的发布，其性能进一步提升，为实际应用提供了更强大的支持。

为了在C# WinForms应用程序中部署YOLOv9模型，我们首先需要将其转换为ONNX（Open Neural Network Exchange）格式。ONNX是一个开放的模型表示，使得不同深度学习框架之间可以相互转换和共享模型。这使得YOLOv9模型可以在C#环境中得到高效利用。

在部署过程中，我们可以使用ONNX Runtime这一跨平台的库来加载和运行ONNX模型。ONNX Runtime提供了对多种硬件平台的支持，包括CPU、GPU等，从而实现了模型的快速推理。

在WinForms应用中，我们可以通过调用ONNX Runtime的API来实现对图像的实时目标检测。用户可以通过界面上传图像，应用程序则利用YOLOv9模型进行目标检测，并在图像上标注出目标物体的位置和类别。

此外，为了提升用户体验，我们还可以对检测过程进行优化，如采用多线程技术实现异步检测，避免界面卡顿；同时，也可以提供检测结果的可视化展示，让用户直观地了解检测效果。

通过C# WinForms部署YOLOv9的ONNX模型，我们可以为用户提供一个功能强大的目标检测工具。这不仅展示了YOLO系列模型在实际应用中的价值，也体现了C# WinForms在构建用户界面和集成深度学习模型方面的优势。

【效果展示】

【实现部分代码】

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;
 
namespace FIRC
{
    public partial class Form1 : Form
    {
        Mat src = new Mat();
        Yolov9Manager ym = new Yolov9Manager();
        public Form1()
        {
            InitializeComponent();
        }
 
        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFileDialog = new OpenFileDialog();
            openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";
            openFileDialog.RestoreDirectory = true;
            openFileDialog.Multiselect = false;
            if (openFileDialog.ShowDialog() == DialogResult.OK)
            {
              
                src = Cv2.ImRead(openFileDialog.FileName);
                pictureBox1.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(src);
 
 
            }
 
 
        }
 
        private void button2_Click(object sender, EventArgs e)
        {
            if(pictureBox1.Image==null)
            {
                return;
            }
            Stopwatch sw = new Stopwatch();
            sw.Start();
            var result = ym.Inference(src);
            sw.Stop();
            this.Text = "耗时" + sw.Elapsed.TotalSeconds + "秒";
            var resultMat = ym.DrawImage(src,result);
            pictureBox2.Image= OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultMat); //Mat转Bitmap
        }
 
        private void Form1_Load(object sender, EventArgs e)
        {
            ym.LoadWeights(Application.StartupPath+ "\\weights\\yolov9-c.onnx", Application.StartupPath + "\\weights\\labels.txt");
 
        }
 
        private void btn_video_Click(object sender, EventArgs e)
        {
            var detector = new Yolov9Manager();
            detector.LoadWeights(Application.StartupPath + "\\weights\\yolov9-c.onnx", Application.StartupPath + "\\weights\\labels.txt");
            VideoCapture capture = new VideoCapture(0);
            if (!capture.IsOpened())
            {
                Console.WriteLine("video not open!");
                return;
            }
            Mat frame = new Mat();
            var sw = new Stopwatch();
            int fps = 0;
            while (true)
            {
 
                capture.Read(frame);
                if (frame.Empty())
                {
                    Console.WriteLine("data is empty!");
                    break;
                }
                sw.Start();
                var result = detector.Inference(frame);
                var resultImg = detector.DrawImage(frame,result);
                sw.Stop();
                fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);
                sw.Reset();
                Cv2.PutText(resultImg, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);
                //显示结果
                Cv2.ImShow("Result", resultImg);
                int key = Cv2.WaitKey(10);
                if (key == 27)
                    break;
            }
 
            capture.Release();
  
        }
    }
}

【视频演示】

C#winform部署yolov9的onnx模型_哔哩哔哩_bilibili测试环境：vs2019netframework4.7.2onnxruntime==1.16.2opencvsharp==4.8.0, 视频播放量 26、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心，相关视频：C++使用纯opencv部署yolov9的onnx模型，将yolov8封装成一个类几行代码完成语义分割任务，YOLOv9来啦！性能逆天~，YOLOv9杀疯了！最新的实时目标检测模型！代码已开源！，一款小工具，让你直连谷歌翻译！，C#实现全网yolov7目前最快winform目标检测，使用C#部署openvino-yolov5s模型，使用C++部署yolov8的onnx和bytetrack实现目标追踪，用opencv和onnxruntime去部署yolov5-7-8，使用C#调用libotrch-yolov5模型实现全网最快winform目标检测https://www.bilibili.com/video/BV18F4m1L7pK/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
【源码下载】

https://download.csdn.net/download/FL1623863129/88905860
【测试环境】

vs2019 netframework4.7.2 onnxruntime==1.16.2 opencvsharp==4.8.0