YoloOnnxDet 0.1.1

A Python package for yolo onnx model detect.

YoloOnnxDet

项目简介

YoloOnnxDet 是一个基于 ONNX 和 C++ DLL 的目标检测 Python 封装，支持高效的图片检测，支持单线程和多线程推理。

依赖环境

• Python 3.8+
• numpy
• opencv-python
• ONNX 格式的模型文件

安装依赖：

pip install numpy opencv-python

快速开始

1. 准备好 OnnxDet.dll 和 ONNX 模型文件。
2. 单线程检测示例：

from YoloOnnxDet import ST_Detector
import cv2

det = ST_Detector("your_model.onnx", names=["class1", "class2"], conf_threshold=0.3, iou_threshold=0.5)
image = cv2.imread("your_image.png")
boxes, scores, class_ids = det.detect(image)
print(boxes, scores, class_ids)

3. 多线程检测示例（需先启用多线程功能）：

from YoloOnnxDet import MT_Detector, DevFeature
import cv2

DevFeature.EnableMultithreaded = True
names = ["class1", "class2"]
det = MT_Detector("your_model.onnx", names=names, conf_threshold=0.3, iou_threshold=0.5, workers=4)
image = cv2.imread("your_image.png")
task_id = det.submit_task(image)
det.wait_for_task_completion(task_id)
results = det.get_result(task_id)
print(results)

资源监控

可通过 get_pool_status() 获取多线程池状态，包括队列长度、活跃线程数等。

资源释放

建议在检测结束后调用 cleanup() 方法释放资源。

其他说明

• 多线程检测为开发功能，稳定性有限。
• 支持自定义类别名（names 参数）。
• 需保证 DLL 文件与 Python 文件在同一目录或已配置环境变量。