C# 实现 YOLO 算法：从模型加载到实时目标检测的完整解决方案

1次阅读

没有评论

共计 2390 个字符，预计需要花费 6 分钟才能阅读完成。

在计算机视觉领域，C# 开发者常面临以下挑战：

库生态薄弱 ：相比 Python 的 OpenCV、PyTorch 等成熟框架，C# 的视觉处理库选择有限
GPU 支持不足 ：原生 GPU 加速方案较少，多数依赖第三方绑定库
性能瓶颈 ：图像预处理 / 后处理链路的性能损耗可达总耗时的 40% 以上
部署复杂 ：Python 模型到 .NET 的转换常出现精度损失或接口不兼容

优势：跨平台支持最好，提供 C# 原生 API，支持 DirectML/ CUDA 多种后端
劣势：动态尺寸输入需要额外处理
适用场景 ：需要快速部署标准 ONNX 模型的场景

优势：Windows 平台性能最优，与 DirectX 深度集成
劣势：仅限 Windows 系统
适用场景 ：纯 Windows 环境的高吞吐量推理

优势：支持完整 PyTorch 功能
劣势：依赖 C++ 桥接，内存管理复杂
适用场景 ：需要自定义算子或复杂模型变动的场景

// 创建 ONNX 推理会话
var session = new InferenceSession("yolov5s.onnx",
    SessionOptions.MakeSessionOptionWithCudaProvider(0));

// 封装输入输出容器
var inputMeta = session.InputMetadata;
var inputName = inputMeta.Keys.First();
var inputDimensions = inputMeta[inputName].Dimensions;

安装对应版本的 CUDA/cuDNN
配置 ONNX Runtime GPU 包
验证设备可见性：

var providers = SessionOptions.GetAvailableProviders();
Console.WriteLine(string.Join(",", providers)); // 应输出 CUDA

内存池复用 ：避免频繁分配 Tensor 内存
并行处理 ：对多输出使用 Parallel.For
SIMD 加速 ：使用 System.Numerics 处理矩阵运算

public class YoloDetector : IDisposable
{
    private InferenceSession _session;
    private float[] _outputBuffer;

    public YoloDetector(string modelPath)
    {var options = new SessionOptions();
        options.AppendExecutionProvider_CUDA();
        _session = new InferenceSession(modelPath, options);

        // 预分配输出缓冲区
        _outputBuffer = new float[25200 * 85]; // YOLOv5 默认输出尺寸
    }

    public List<DetectionResult> Detect(Mat image)
    {
        // 预处理...
        using var inputTensor = Preprocess(image);

        // 推理
        var outputs = _session.Run(new[]
        {NamedOnnxValue.CreateFromTensor("images", inputTensor)
        });

        // 后处理...
        return Postprocess(outputs.First().AsTensor<float>());
    }
}

private List<DetectionResult> NMS(IEnumerable<DetectionResult> candidates, float iouThreshold)
{var results = new List<DetectionResult>();
    var ordered = candidates.OrderByDescending(x => x.Confidence);

    foreach (var current in ordered)
    {if (results.Any(r => CalculateIOU(r, current) > iouThreshold))
            continue;

        results.Add(current);
    }

    return results;
}

实现 IDisposable 模式
使用 using 块管理 ONNX 资源
定期检查 GPU 内存占用

[ThreadStatic]
private static InferenceSession _threadLocalSession;

public void DetectThreadSafe(Mat image)
{if (_threadLocalSession == null)
        _threadLocalSession = CloneSession();

    // 使用线程局部会话...
}