<div align="center">
YOLOv11-TensorRT
===========================
[![python](https://img.shields.io/badge/python-3.10.12-green)](https://www.python.org/downloads/release/python-31012/)
[![cuda](https://img.shields.io/badge/cuda-11.6-green)](https://developer.nvidia.com/cuda-downloads)
[![trt](https://img.shields.io/badge/TRT-8.6-green)](https://developer.nvidia.com/tensorrt)
[![mit](https://img.shields.io/badge/license-MIT-blue)](spacewalk01/TensorRT-YOLOv9/tree/main?tab=MIT-1-ov-file#readme)
<div align="left">
<p align="center">
<img src="asset/output.gif" />
</p>
This repository hosts a C++ implementation of the state-of-the-art YOLOv11 object detection model from ultralytics, leveraging the TensorRT API for efficient, real-time inference.
## Installation
### 1. Clone the Repository
```bash
git clone .git
cd yolov11-tensorrt
```
### 2. Install Dependencies
- **For Python**:
Install required Python dependencies using pip:
```bash
pip install --upgrade ultralytics
```
- **For C++**:
Ensure that OpenCV and TensorRT are installed. Set the correct paths for these libraries in the `CMakeLists.txt` file.
### 3. Build the C++ Code
```bash
mkdir build && cd build
cmake ..
cmake --build . --config Release
```
## Usage
### Exporting the Model
1. Modify the `export.py` script if needed to set the desired model name.
2. Run the Python script to export the YOLOv11 model to ONNX format:
```bash
python export.py
```
### Running Inference
#### 1. Create a TensorRT Engine
Convert the ONNX model to a TensorRT engine:
```bash
./yolov11-tensorrt.exe yolo11s.onnx ""
```
#### 2. Run Inference on an Image
Perform object detection on an image:
```bash
./yolov11-tensorrt.exe yolo11s.engine "zidane.jpg"
```
#### 3. Run Inference on a Video
Perform object detection on a video:
```bash
./yolov11-tensorrt.exe yolo11s.engine "road.mp4"
```
## License
This project is licensed under the AGPL-3.0 License. See the [LICENSE](LICENSE) file for details.
免责声明:
1.本资源仅供学习和交流使用,不保证其准确性、完整性、及时性或适用性。
2.本资源仅包含一般信息,不构成专业建议。在使用本资源时,请务必自行研究并谨慎决策。
3.我已尽力确保本资源的正确性和合法性,但不对其准确性、完整性和及时性做出保证。
4.本资源不应用于商业用途。
5.在使用本资源的过程中,用户应自行承担所有风险和责任,并遵守相关法律法规。
6.对于因使用本资源而产生的任何损失或损害,我概不负责。
请确保在使用本资源时仔细阅读并遵守以上免责声明。如果您有任何疑问或需要进一步帮助,请联系我。
资源最后修改时间:2024-10-02 11:03:16
22291030369421
6770c490-3a79-431d-9e1f-2a58a8cfdc66
免责声明:
1.本资源仅供学习和交流使用,不保证其准确性、完整性、及时性或适用性。
2.本资源仅包含一般信息,不构成专业建议。在使用本资源时,请务必自行研究并谨慎决策。
3.我已尽力确保本资源的正确性和合法性,但不对其准确性、完整性和及时性做出保证。
4.本资源不应用于商业用途。
5.在使用本资源的过程中,用户应自行承担所有风险和责任,并遵守相关法律法规。
6.对于因使用本资源而产生的任何损失或损害,我概不负责。
请确保在使用本资源时仔细阅读并遵守以上免责声明。如果您有任何疑问或需要进一步帮助,请联系我。
资源最后修改时间:2024-10-02 11:12:10
22824903524077
a5a2ef72-5b2f-4655-b9e9-017b0e403cb6
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
【yolov11_1】C++ implementation of YOLOv11 using TensorRT API【PGJ】.zip (14个子文件)
yolov11-tensorrt-main
CMakeLists.txt 1KB
asset
output.gif 5.62MB
src
macros.h 461B
preprocess.h 307B
cuda_utils.h 1KB
preprocess.cu 4KB
YOLOv11.h 1KB
logging.h 16KB
common.h 3KB
YOLOv11.cpp 8KB
LICENSE 34KB
export.py 206B
main.cpp 4KB
README.md 4KB
共 14 条
- 1
资源评论
苹果酱0567
- 粉丝: 1489
- 资源: 701
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功