OpenCV Java開發環境配置
Java 開發的IDE,推薦選擇IDEA這個,真的比較好用,我下載的是社區版,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; ArrayList map_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:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
JAVA
+關注
關注
19文章
2966瀏覽量
104702 -
模型
+關注
關注
1文章
3226瀏覽量
48807 -
代碼
+關注
關注
30文章
4779瀏覽量
68521 -
OpenCV
+關注
關注
31文章
634瀏覽量
41337
原文標題:OpenCV4.8 Java SDK實現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。
發布評論請先 登錄
相關推薦
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。 yolov5主要分為輸入端,backbone,Neck,和h
龍哥手把手教你學視覺-深度學習YOLOV5篇
利用labview部署yolov5導出的模型,能利用攝像頭動態檢測輸出目標檢測結果。根據工業視覺外觀檢測的速度和準確性要求,龍哥視覺結合labview編程平臺推出了labview+yolov5
發表于 09-03 09:39
怎樣使用PyTorch Hub去加載YOLOv5模型
在Python>=3.7.0環境中安裝requirements.txt,包括PyTorch>=1.7。模型和數據集從最新的 YOLOv5版本自動下載。簡單示例此示例從
發表于 07-22 16:02
如何YOLOv5測試代碼?
使用文檔“使用 YOLOv5 進行對象檢測”我試圖從文檔第 10 頁訪問以下鏈接(在 i.MX8MP 上部署 yolov5s 的步驟 - NXP 社區)
...但是這樣做時會被拒絕訪問。該文檔沒有說明需要特殊許可才能下載 tes
發表于 05-18 06:08
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!但是我也發現,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
基于OpenCV DNN實現YOLOv8的模型部署與推理演示
基于OpenCV DNN實現YOLOv8推理的好處就是一套代碼就可以部署在Windows10系統、烏班圖系統、Jetson的Jetpack系統
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
評論