说明：本文主要实现在win10下，使用VS2015或VS2017或VS2019，使用C++控制台程序或MFC程序，结合opencv以及yolov5转化的onnx模型，实现图像的实时目标检测。记录总结一下环境部署的过程，以及部署环境过程中踩到的坑。
我的计算机配置：CPU:I5-7500，内存：8G，显卡：1050Ti（cuda10.0,cudnn7.6.5）
使用yolov5的C++代码：我在github上找到这个大佬的代码链接：
doleron · GitHub
点击下面红色框的链接下载(yolov5-opencv-cpp-python)
或者查看这个大佬的链接，里面有C++源码：
windows上yolov5 opencv dnn c++部署 cuda加速_野马AS的博客-CSDN博客
CPU版：直接使用opencv455就好了，使用VS2015或2017或2019配置好opencv环境(x64下)，然后可以直接运行，release下我跑的官方yolov5s.onnx模型，大概2-3帧/s
GPU版：
前期准备：下载好opencv455，opencv_contrib-4.5.5，CMake，cuda, cudnn，需要安装python3.7及以上版本(python在后面cmake结束后生成解决方案的时候会用到)。
参考链接：windows安装配置opencv opencv_contrib_野马AS的博客-CSDN博客_opencv_contrib
按照上面大佬的链接进行cmake就行，我第一次使用VS2019编译的(x64下)，编译到最后提示我cuda10.0不适合VS2019，阿西吧。两种解决办法：1.换成cuda10.2及以上版本；2.使用VS2015或2017重新编译；注意：把先前编译失败的文件夹全部删掉，没有别的原因，主要是因为占C盘的空间太大。
在cmake，configure期间，提示我很多错误，根据上面大佬的链接在CMakeDownloadLog.txt中缺失的对应链接下载即可，大部分都需要翻墙下载，我是挨个翻墙下载的。全部都是.cache文件夹下的东西，路径为 ..../opencv455/sources/.cache。下面是我的路径截图：
.cache文件我已经上传到网盘，需要的可以下载，不过也有可能对你不适用 - -！。
链接：https://pan.baidu.com/s/1LVW1eOaJZZ9K50Guk8AfDA
提取码：ssss
对于一些.cmake或者.prototxt结尾的文件，需要网页保存，要不然还会出错，可参考：
cmake编译Opencv出现ffmpeg_cmake手动下载后也无法使用问题_小MarkK的博客-CSDN博客_ffmpeg_version.cmake
好了，按照上述步骤，cmake可以全部通过了。然后点击Generate完成后点击Open Project：
我第二次选择的是VS2015(x64)，第一次编译报了两个错误：第一个是已超过内部ILK大小限制，链接使用/INCREMENTAL:NO；第二个是python报错，去修改python的一行代码，修改参考链接：
opencv4.3.0 Cmake后debug模式生成不了opencv_world430d.lib_航天城拖地的的博客-CSDN博客_opencv world生成失败 python报错在OpenCV.sln解决方案下找到bindings/外部依赖项/pyconfig.h，修改第274行代码，修改后结果为：(这也可能是我个人的情况)
至此，我编译全部通过了，然后新建控制台程序，配置新编译好的opencv455（其实与正常配置opencv455方式一样，只不过我们现在用的是编译出来的 opencv_world455.lib或者opencv_world455d.lib，具体可参考上面第二条链接也行的），然后跑C++代码，我一开始跑的时候，巨卡，比CPU版还卡，经过一翻摸索，发现是这个地方有问题，如图下方的红线部分，原代码是DNN_TARGET_CUDA_FP16，我估计1050TI用不了这个，所以换成了DNN_TARGET_CUDA，然后运行立刻就跑通了，大概14帧/s。
使用MFC开两个线程同时跑的如下图，开两个模型，显存大概占了500MB：
ok，现在我需要跑我自己训练的模型进行检测，按照官方教程，把训练好的.pt转成.onnx。然后修改classes.txt中的类别，接着使用根据Netron，查看你自己的模型的输出：比如我自己训练的模型：
点击output，右边最后一行会弹出数据：[1,6300,16]，我训练的是11个类别，这个时候需要把C++代码中的一些参数修改掉，在detect()函数中：
同时也要修改自己训练模型的分辨率，置信度修不修改看需要：
这样，就可以跑自己的模型了。我跑的分辨率320的 yolov5m的onnx模型，大概80MB，跑到34帧/s，我个人感觉还不错，说到底，我不太想裁剪yolov4的网络，哈哈。
####
