YOLO-World是一个融合了实时目标检测与增强现实（AR）技术的创新平台，旨在将现实世界与数字世界无缝对接。该平台以YOLO（YouOnlyLookOnce）算法为核心，实现了对视频中物体的快速准确识别，并通过AR技术将虚拟元素与真实场景相结合，为用户带来沉浸式的交互体验。在本文中，我们将结合OpenVINO™CAPI使用最新发布的OpenVINO™2024.0部署YOLO-World实现实时开放词汇对象检测： OpenVINO™CAPI项目链接： https://github.com/guojin-yan/OpenVINO-CSharp-API.git 使用OpenVINO™CAPI...

 前言 OpenVINO™CAPI是一个OpenVINO™的.Netwrapper，应用最新的OpenVINO™库开发，通过OpenVINO™CAPI实现.Net对OpenVINO™Runtime调用，使用习惯与OpenVINO™CAPI一致。OpenVINO™CAPI由于是基于OpenVINO™开发，所支持的平台与OpenVINO™完全一致，具体信息可以参考OpenVINO™。通过使用OpenVINO™CAPI，可以在.NET、.NETFramework等框架下使用C语言实现深度学习模型在指定平台推理加速。 OpenVINO™CAPI项目链接为： https://github.com/...

1.项目介绍   基于.NETFramework4.8开发的深度学习模型部署测试平台，提供了YOLO框架的主流系列模型，包括YOLOv8v9，以及其系列下的Det、Seg、Pose、Obb、Cls等应用场景，同时支持图像与视频检测。模型部署引擎使用的是OpenVINO™、TensorRT、ONNXruntime以及OpenCVDNN，支持CPU、IGPU以及GPU多种设备推理。  其中，OpenVINO™以及TensorRT的C接口均为自行开发，项目链接为： OpenVINO™CAPI： https://github.com/guojin-yan/OpenVINO-CSharp-AP...

1.项目介绍   NVIDIA®TensorRT™是一款用于高性能深度学习推理的SDK，包括深度学习推理优化器和运行时，可为推理应用程序提供低延迟和高吞吐量。基于NVIDIATensorRT的应用程序在推理过程中的执行速度比纯CPU平台快36倍，使您能够优化在所有主要框架上训练的神经网络模型，以高精度校准低精度，并部署到超大规模数据中心、嵌入式平台或汽车产品平台。  TensorRT基于NVIDIACUDA®并行编程模型构建，使您能够在NVIDIAGPU上使用量化、层和张量融合、内核调整等技术来优化推理。TensorRT提供INT8使用量化感知训练和训练后量化和浮点16（FP1...

TensorRTCAPI项目介绍：基于C与TensorRT部署深度学习模型 1.项目介绍   NVIDIA®TensorRT™是一款用于高性能深度学习推理的SDK，包括深度学习推理优化器和运行时，可为推理应用程序提供低延迟和高吞吐量。基于NVIDIATensorRT的应用程序在推理过程中的执行速度比纯CPU平台快36倍，使您能够优化在所有主要框架上训练的神经网络模型，以高精度校准低精度，并部署到超大规模数据中心、嵌入式平台或汽车产品平台。  TensorRT基于NVIDIACUDA®并行编程模型构建，使您能够在NVIDIAGPU上使用量化、层和张量融合、内核调整等技术来...

 OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C语言编写，它具有C，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS，OpenCV主要倾向于实时视觉应用。 OpenCvSharp是一个OpenCV的.Netwrapper，应用最新的OpenCV库开发...

前言 OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，它具有C，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS。OpenCvSharp是一个OpenCV的.Netwrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，该库采用LGPL发行，对商业应用友好。 @ 目录 1.项目环境 2.创建控制台项目 3.添加NugetPackage程序包 5.安装依赖项目 4.测试应用 5.总结 1.项目环境 编码环境：VisualStudioCode ...

 前言 UltralyticsYOLOv8基于深度学习和计算机视觉领域的尖端技术，在速度和准确性方面具有无与伦比的性能。其流线型设计使其适用于各种应用，并可轻松适应从边缘设备到云API等不同硬件平台。YOLOv8OBB模型是YOLOv8系列模型最新推出的任意方向的目标检测模型，可以检测任意方向的对象，大大提高了物体检测的精度。同时官方发布的模型已经支持OpenVINO™部署工具加速模型推理，因此在该项目中，我们将结合之前开发的OpenVINO™CAPI部署YOLOv8OBB模型实现旋转物体对象检测。 项目链接为： https://github.com/guojin-yan/OpenVIN...

在MacOS上使用OpenVINO™CAPI部署Yolov5 项目介绍 YOLOv5是革命性的"单阶段"对象检测模型的第五次迭代，旨在实时提供高速、高精度的结果，是世界上最受欢迎的视觉人工智能模型，代表了Ultralytics对未来视觉人工智能方法的开源研究，融合了数千小时研发中积累的经验教训和最佳实践。同时官方发布的模型已经支持OpenVINO™部署工具加速模型推理，因此在该项目中，我们将结合之前开发的OpenVINO™CAPI部署YOLOv5DET模型实现物体对象检测。 项目链接为： https://github.com/guojin-yan/OpenVINO-CSharp-...

1.前言  大家好，我叫颜国进，现为英特尔边缘计算创新大使、百度飞桨开发者专家。回溯至2021年12月，那时的我，身为机械专业研一新生，仅在C和Python编程语言上有些许基础，对于深度学习的殿堂还只敢在门口窥探，对于OpenCV图像处理以及模型部署等技术更是所知甚少。然而，通过不懈的努力和对知识的执着追求，如今我已经能够娴熟地运用C、C等编程语言进行项目开发，并且能够使用Python和各类深度学习框架来训练自己的模型。值得一提的是，我已经发布并运营了一项名为OpenVINOCAPI的开源项目，为在C平台开发深度学习和计算机视觉应用的开发者提供更便捷的工具。围绕该项目，产出了多篇富有深度的技术...

 RT-DETR是在DETR模型基础上进行改进的，一种基于DETR架构的实时端到端检测器，它通过使用一系列新的技术和算法，实现了更高效的训练和推理，在前文我们发表了《基于OpenVINO™PythonAPI部署RT-DETR模型|开发者实战》和《基于OpenVINO™CAPI部署RT-DETR模型|开发者实战》，在该文章中，我们基于OpenVINO™Python和CAPI向大家展示了的RT-DETR模型的部署流程，并分别展示了是否包含后处理的模型部署流程，为大家使用RT-DETR模型提供了很好的范例。在实际工业应用时，有时我们需要在C环境下使用该模型应用到工业检测中，因此在本文中，我们将向大家...

 RT-DETR是在DETR模型基础上进行改进的，一种基于DETR架构的实时端到端检测器，它通过使用一系列新的技术和算法，实现了更高效的训练和推理，在前文我们发表了《基于OpenVINO™PythonAPI部署RT-DETR模型|开发者实战》，在该文章中，我们基于OpenVINO™PythonAPI向大家展示了包含后处理的RT-DETR模型的部署流程，但在实际工业应用中，我们为了与当前软件平台集成更多会采用C平台，因此在本文中，我们将基于OpenVINO™CAPI向大家展示了不包含后处理的RT-DETR模型的部署流程，并向大家展示如何导出不包含后处理的RT-DETR模型。 该项目所使用的全部代...

前言：  在之前的项目中，我们已经使用OpenVINO TMCSharpAPI部署PaddleOCR全系列模型，但随着PaddleOCRv4版本发布以及OpenVINOCSharpAPI版本迭代，上一版本的项目已经不再适用。因此在推出的最新项目中，已经完成了对PaddleOCRv4的匹配，并且采用了最新版本的OpenVINO TMCSharpAPI，可以更快的实现在不同平台进行部署，减少使用者在使用时的步骤以及问题。 目录 1.项目介绍 2.项目环境 2.1NuGetPackage 2.2安装方式 3.快速开始 3.1获取项目源码 3.2获取预测模型 3.3OCR识别 ...

前言  OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，它具有C，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS。OpenCvSharp是一个OpenCV的.Netwrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，该库采用LGPL发行，对商业应用友好。 1.项目环境 编码环境：VisualStudioCode 程序框架：.NET6.0  目前在MacOS上使用C语言官方提供了编译VisualStudioforMac，但是根据官方发布的通知后续...

前言 英特尔公司发行的模型部署工具OpenVINO™模型部署套件，可以实现在不同系统环境下运行，且发布的OpenVINO™2023最新版目前已经支持MacOS系统并同时支持在苹果M系列芯片上部署模型。在该项目中，我们将向大家展示如何在MacOS系统、M2芯片的MacbookAir电脑上，展示使用OpenVINO™CAPI部署深度学习模型。 目录 1.OpenVINO™ 2.OpenVINO™下载 3.代码实现 4.项目编译运行 5.总结 1.OpenVINO™ 英特尔发行版OpenVINO™工具套件基于oneAPI而开发，可以加快高性能计算机视觉和深度学习视觉应用开发速度工具...

目录 1.RT-DETR 2.OpenVINO 3.环境配置 3.1模型下载环境 3.2模型部署环境 4.模型下载与转换 4.1PaddlePaddle模型下载 4.2IR模型转换 5.Python代码实现 5.1模型推理流程实现 6.预测结果展示 7.总结  RT-DETR是在DETR模型基础上进行改进的，一种基于DETR架构的实时端到端检测器，它通过使用一系列新的技术和算法，实现了更高效的训练和推理，我们将将在Python、C、C三个平台实现OpenVINO部署RT-DETR模型实现深度学习推理加速，在本文中，我们将首先介绍基于OpenVINOPythonAPI...

前言 OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，它具有C，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS。EmguCV是OpenCV图像处理库的跨平台.Net包装器。允许从.NET兼容语言调用OpenCV函数。但是网上目前关于在MacOS上使用EmguCV的教程较少，而我后续推出的OpenVINOCAPI项目将支持MacOS系统，为了大家后续能够使用，特出一期教程来演示一下MacOS上使用EmguCV。 1.项目环境 编码环境：VisualStudioCode 程序框架：.NET...

 前言  在最近的项目中经常会对C中的数据进行排序，对于基本数据类型，其排序方式比较简单，只需要调用内置算法即可实现，但对于自定义数据类型以及自定义排序规则的情况实现起来就比较麻烦，所以在本文章中将详细介绍一下在中C中如何对数据进行排序。  应用技术：LINQ;Array.Sort(); 1.常规数据排序 1.1使用Sort排序  对于系统内置数据，我们可以使用Sort方法直接进行排序，默认是采用正序进行排序，此处提供了三种方式： 方式一：使用默认的Sort()方法直接就可以进行排序。 方式二：使用Sort()方法并添加回调函数，回调函数调用数据类型CompareTo()方法。 ...

前言 在做视觉任务时，我们经常会用到开源视觉库OpenCV，OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，它具有C，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS。最近在项目中，我遇到了在MacOS上使用OpenCV需求，目前OpenCV官网上并没有提供OpenCV现成的安装包，因此在此处我们需要自己进行编译，所以在此处我们将结合``opencv_4.8.0``、``opencv_contril_4.8.0``，演示如何源码编译并使用 1.下载项目源码  首先下载项目源码，这里我们下载的...

目录 1.环境准备 1.1软件环境 1.2源码下载 2.CMake编译项目 2.1创建cmake项目 2.2设置编译配置 2.3解决异常 2.3.1文件下载异常 2.3.2解决CUDA版本异常 2.4编译项目 3.VisualStudio编译项目 4.项目测试 5.总结  OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和MacOS操作系统上。项目源码由一系列C函数和少量C类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很...