FastDeploy/examples/vision/detection/yolov7/python/README.md

YOLOv7 Python部署示例

在部署前，需确认以下两个步骤

• 1. 软硬件环境满足要求，参考FastDeploy环境要求
• 2. FastDeploy Python whl包安装，参考FastDeploy Python安装

本目录下提供infer.py快速完成YOLOv7在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。执行如下脚本即可完成

#下载yolov7模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov7.onnx
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg


#下载部署示例代码
git clone https://github.com/PaddlePaddle/FastDeploy.git
cd examples/vison/detection/yolov7/python/

# CPU推理
python infer.py --model yolov7.onnx --image 000000087038.jpg --device cpu
# GPU推理
python infer.py --model yolov7.onnx --image 000000087038.jpg --device gpu
# GPU上使用TensorRT推理
python infer.py --model yolov7.onnx --image 000000087038.jpg --device gpu --use_trt True

运行完成可视化结果如下图所示

YOLOv7 Python接口

fastdeploy.vision.detection.YOLOv7(model_file, params_file=None, runtime_option=None, model_format=Frontend.ONNX)

YOLOv7模型加载和初始化，其中model_file为导出的ONNX模型格式

参数

• model_file(str): 模型文件路径
• params_file(str): 参数文件路径，当模型格式为ONNX格式时，此参数无需设定
• runtime_option(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
• model_format(Frontend): 模型格式，默认为ONNX

predict函数

YOLOv7.predict(image_data, conf_threshold=0.25, nms_iou_threshold=0.5)

模型预测结口，输入图像直接输出检测结果。

参数

• image_data(np.ndarray): 输入数据，注意需为HWC，BGR格式
• conf_threshold(float): 检测框置信度过滤阈值
• nms_iou_threshold(float): NMS处理过程中iou阈值

返回

返回fastdeploy.vision.DetectionResult结构体，结构体说明参考文档视觉模型预测结果

类成员属性

• size(list | tuple): 通过此参数修改预处理过程中resize的大小，包含两个整型元素，表示[width, height], 默认值为[640, 640]

其它文档

• YOLOv7 模型介绍
• YOLOv7 C++部署
• 模型预测结果说明