C++ yolov10的onnx模型加密方法保护自己模型源码

# yolov8-opencv-onnxruntime-cpp ## 使用OpenCV-dnn和ONNXRuntime部署yolov8目标检测和实例分割模型<br> 基于yolov8:https://github.com/ultralytics/ultralytics ## requirements for opencv-dnn 1. > OpenCV>=4.7.0<br> OpenCV>=4.7.0<br> OpenCV>=4.7.0<br> 2. export for opencv-dnn:</br> > ```yolo export model=path/to/model.pt format=onnx dynamic=False opset=12```</br> ## requirements for onnxruntime （only yolo*_onnx.h/cpp） >opencv>=4.5.0 </br> ONNXRuntime>=1.9.0 </br> ## 更新说明： #### 2023.02.17更新<br> + 0.新增加onnxruntime旧版本API接口支持 + 1.opencv不支持动态推理，请将dymanic设置为False导出onnx,同时opset需要设置为12。 + 2.关于换行符，windows下面需要设置为CRLF，上传到github会自动切换成LF，windows下面切换一下即可<br> #### 2023.02.07 更新：</br> + yolov8使用opencv-dnn推理的话，目前只支持opencv4.7.0及其以上的版本，我暂时也没找到怎么修改适应opencv4.5.0的版本（￣へ￣），这个版本需求和onnxruntime无关，onnxruntime只需要4.5.0的版本,4.x的版本应该都可以用，只要能正确读取，有```cv::dnn::blobFromImages()```这个函数即可,如果真的没有这个函数，你自己将其源码抠出来用也是可以的，或者大佬们自己实现该函数功能。 + 而目前opencv4.7.0的版本有问题（https://github.com/opencv/opencv/issues/23080) ，如果你的CPU不支持```AVX2```指令集，则需要在```net.forward()``` 前面加上```net.enableWinograd(false);```来关闭Winograd加速，如果支持这个指令集的话可以开启加速（蚊子腿）。 依照惯例贴一张yolov8-seg.onnx在640x640下用onnxruntime运行结果图：