windows系统VS2019+OpenCV+Libtorch 使用C++部署YOLOv5模型

最新推荐文章于 2025-07-01 10:34:16 发布
最新推荐文章于 2025-07-01 10:34:16 发布
阅读量4.5k 收藏 59
点赞数 6
CC 4.0 BY-SA版权
分类专栏： C++ 文章标签： c++ opencv pytorch 图像识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30635083/article/details/116140029
本文介绍如何在Windows系统下使用VS2019、OpenCV及Libtorch进行YOLOv5模型的C++部署。主要内容包括安装VisualStudio2019、配置OpenCV与Libtorch环境等步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

windows系统VS2019+OpenCV+Libtorch 使用C++部署YOLOv5模型

前言

windows系统下VS2019 2017 2015 +OpenCV+Libtorch 的C++ 部署YoloV5的环境搭建,中间查阅了一些资料,都比较零散,中间的错误问题不知道原因,故记录一下,避免后面忘记,也希望对大家有所帮助!

0 、安装Visual Studio 2019

https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/

一、下载 OpenCV

官网地址 http://opencv.org/
这里下载发行版

在这里插入图片描述
解压目录如下:

在这里插入图片描述

二、VS 2019配置OpenCV 环境(新版本好像只支持X64环境,根据你下载的文件判断)

0.新建一个空项目：

项目属性设置
VC++ 包含目录添加(C/C++目录同理) 前缀修改为自己的文件目录

D:\yoloV5\opencv\build\include
D:\yoloV5\opencv\build\include\opencv2

在这里插入图片描述
VC++ 库目录添加 (**vc15支持Visual Studio 2015和以上版本 vc10为vs2010 **)

D:\yoloV5\opencv\build\x64\vc15\lib

最低0.47元/天 解锁文章

200万优质内容无限畅学
win10 c++通过libtorch调用yolov5模型 配置及使用
qq_38617319的博客
06-03 7486
环境： windows 10; vs2017; libtorch1.8.1-cuda10.2 opencv3.4.14 cmake 3.20.2 libtorch下载（Release版）： gpu版：https://download.pytorch.org/libtorch/cu102/libtorch-win-shared-with-deps-1.8.1%2Bcu102.zip cpu版：https://download.pytorch.org/libtorch/cpu/libtorch-win-shar
基于C++ libtorch部署YOLOv5（源码+图片+说明文档）.rar
04-15
1、资源内容：基于C++ libtorch部署YOLOv5（源码+图片+说明文档）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
libtorch-yolov5
12-07
"YOLOv5"的项目团队是Ultralytics LLC 公司，很多人应该没有听过这家公司。但提到他们公司的一个项目，很多人应该就知道了，因为不少同学用过。那就是基于PyTorch复现的YOLOv3，按目前github上star数来看，应该是基于PyTorch复现YOLOv3中的排名第一。Amusi 之前还分享过此项目
Pytorch算法的C++工程化部署（Libtorch+Cmake+Opencv）
最新发布
ZYFzyf0的博客
07-01 560
本文介绍了将PyTorch训练的UNet分割模型转换为TorchScript格式并在C++环境中部署的完整流程。主要内容包括：1) 环境配置（OpenCV 4.8.0、Libtorch/PyTorch 2.5.1 CPU版、CMake 3.28.3）；2) 使用torch.jit.trace方法将.pth模型转换为.pt格式；3) 在Visual Studio中搭建项目，配置CMakeLists.txt文件链接Libtorch和OpenCV库；4) 编写C++推理代码实现图像加载、预处理、模型推理和后处理（
YOLOv5-LibTorch:通过LibTorch C ++ API部署YOLOv5进行实时对象检测
05-08
YOLOv5 LibTorch 通过LibTorch C ++ API部署YOLOv5进行实时对象检测 环境 Ubuntu 18.04 OpenCV 3.2.0 LibTorch 1.6.0 CMake 3.10.2 入门 安装OpenCV。 sudo apt-get install libopencv-dev 安装LibTorch。 wget https://download.pytorch.org/libtorch/nightly/cpu/libtorch-shared-with-deps-latest.zip unzip libtorch-shared-with-deps-latest.zip 编辑“ CMakeLists.txt”以正确配置OpenCV和LibTorch。 编译并运行。 cd build cmake .. make ./../bin/YOLOv5
使用vs2019 c++开发工具搭建libtorch-yolov5项目，并对样例图片进行检测的完整源码
06-17
使用vs2019 c++开发工具搭建libtorch-yolov5项目，并对样例图片进行检测完整源码，源码中附有测试样张图片、模型文件yolov5s.torchscript、权重weights文件以及生成的x64可执行程序文件。
yolov5 libtorch部署，封装dll，python/c++调用
liguandong
04-12 2480
libtorch的yolov5部署
基于LibTorch C++API部署YOLOv5实现实时对象检测C++源码.zip
05-01
标题 "基于LibTorch C++ API部署YOLOv5实现实时对象检测C++源码.zip" 提供了关于一个项目的信息，该项目旨在利用LibTorch的C++接口实现YOLOv5对象检测模型的实时应用。YOLO（You Only Look Once）是一种流行的卷积...
分别使用OpenCV与ONNXRuntime部署yolov5旋转目标检测源码+模型(c++和python两个版本程序).zip
01-06
分别使用OpenCV与ONNXRuntime部署yolov5旋转目标检测源码+模型(c++和python两个版本程序).zip 分别使用OpenCV、ONNXRuntime部署yolov5旋转目标检测，包含C++和Python两个版本的程序。 使用OpenCV部署yolov5旋转目标...
使用C++部署yolov11目标检测的tensorrt模型支持图片视频推理演示源码+项目说明
10-02
本项目旨在将YOLOv11模型部署到TensorRT中，并提供了一个完整的C++源码实现，支持对图片和视频进行目标检测的推理演示。在开发环境中，使用了Visual Studio 2019作为集成开发环境，CMake作为项目构建工具。为了确保...
windows下基于libtorch的yolov5 6.0的c++部署
zhuyue14的博客
06-09 2629
yolov5 c++的部署
libtorch部署yolov5
yx868yx的博客
06-03 3036
一、环境 Ubuntu 16.04 CUDA 10.2 OpenCV 3.4.12 LibTorch 1.7.0 （gpu） Pytorch 1.7.0 二、得到yolov5 的权重模型 https://github.com/ultralytics/yolov5/blob/master/models/export.py 我使用的是3.0版本 用export.py生成的pt文件既可，但是默认是使用CPU的，使用GPU需要修改。 提示：用的coremltools==4.0版本，之前我有升级到4.1版本运行e
libtorch-yolov5:yolov5的LibTorch推理实现
04-23
介绍 对象检测算法的LibTorch推理实现。 GPU和CPU均受支持。 依存关系 Ubuntu 16.04 CUDA 10.2 OpenCV 3.4.12 LibTorch 1.6.0 TorchScript模型导出 请在此处参考官方文档： : 强制更新：开发人员需要修改原始以下代码 # line 29 model.model[-1].export = False 添加GPU支持：请注意， 当前的导出脚本默认情况下使用CPU ，需要对“ export.py”进行如下修改以支持GPU： # line 28 img = torch . zeros (( opt . batch_size , 3 , * opt . img_size )). to ( device = 'cuda' ) # line 31 model = attempt_load ( opt . weigh
YOLOv5实战+TensorRT部署+VS2019编译[全部软件下载]
08-30
使用TensorRT来加速部署YOLOv5项目，此文档中包含全部 软件及依赖库 在Win10系统上完成，需要用到的软件与依赖包有：cuda 10.2 , cudnn 7.6.5 , VS2019 , OpenCV 3.4.0 , Anaconda3 , CMake 3.19.4 , TensorRT 7 安装使用使用教程：https://blog.csdn.net/weixin_39588099/article/details/119994675?spm=1001.2014.3001.5502
Windows YOLOv5-Libtorch部署
恐龙先生的博客
09-19 1846
使用libtorch进行加速推理YOLOv5的模型
win下C++通过Clion部署yolov5——libtorch+yolov5
qq_37346140的博客
05-17 1269
其中【images】和【weights】即为二中下载源码中的【images】和【weights】，其他的头文件和源文件是二中源码。蓝色框则是添加需要运行的头文件和源文件，这里就是和博文。中的cmakelist.txt的不同之处，所以关于红色框和绿色框的路径地址怎么给，也可以参考该博文。在运行之前，需要将【images】复制到编译目录下，这是方便自定义给测试图片时路径书写方便。这里博主没有新建【include】和【src】目录，直接将5个文件复制到了新建项目下。对于终端会闪退的问题，可以添加如下代码解决。
VS2019+opencv调用训练好的YOLOv5模型（4）
Hang-On的博客
05-16 1073
前言 接前面的博客说，如要调用自己训练好的模型，需要修改以下参数。 一、export.py的参数修改 在models中找到export.py文件 修改第24行的权重默认路径 配置时需要加绝对路径 否则不成功 然后根据之前的博客导出ONNX文件在调用就可以了。 ...
libtorch+yolov5
热门推荐
qq_40198848的博客
01-20 1万+
windows+libtorch+vs2019+yolov5项目部署实践总结前言环境配置环境搭建参考：给出我的libtorch配置GPU模型 导出 export代码效果展示结束 前言 这是本人第一篇博客，只是对近期学习工作的一些总结。主要是利用libtorch对pytorch训练的模型进行部署，之前也是成功使用pyinstaller将整个python项目进行打包成exe，但是不满足对方的需求才使用的libtorch。 环境配置 vs2019+opencv4.5+libtorch1.7.1： 1.vs2019
YOLOv5 Windows环境下的C++部署（GPU）
qq_43349822的博客
05-05 1万+
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例
Ubuntu下使用LibTorch C++API部署YOLOv5实时检测项目
综上所述，给定的文件是一个关于如何使用LibTorch C++ API来部署YOLOv5模型进行实时对象检测的项目资源。开发者可以通过这个资源了解到如何将深度学习模型和传统的计算机视觉库集成到C++应用程序中，实现高效的图像...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值