【YoloDeployCsharp】基于.NET Framework的YOLO深度学习模型部署测试平台

1. 项目介绍

基于.NET Framework 4.8 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YOLOv8~v9，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、ONNX runtime以及OpenCV DNN，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 C# API ：

https://github.com/guojin-yan/OpenVINO-CSharp-API.git

TensorRT C# API ：

https://github.com/guojin-yan/TensorRT-CSharp-API.git

演示视频：

C#&YOLO系列深度学习模型部署平台页面主要包括四个区域，分别为：模型选择和加载区域、推理区域、输入图像展示区域以及输出结果图像展示区域。如下图所示：

如下图所示，演示的是使用YOLOv5 Det模型的推理情况，

同样的方式，我们可以实现多种模型在不同平台的上的推理，如下图所示：

2. 支持模型

项目在开发时，同时开发了YOLOv5~v9以及YOLO World等YOLO系列模型，模型部署工具使用的是OpenVINO 、TensorRT 、ONNX runtime、OpenCV DNN，但有一些模型部署工具对模型的算子存在不支持情况，因此，对该项目中所使用的所有模型进行了测试，如下表所示：

Model	OpenVINO CPU	OpenVINO GPU	TensorRT GPU	ONNX runtime CPU	ONNX runtime GPU	OpenCV DNN
YOLOv5 Det
YOLOv5 Seg
YOLOv5 Cls
YOLOv6 Det
YOLOv7 Det
YOLOv8 Det
YOLOv8 Seg
YOLOv8 Pose
YOLOv8 Obb
YOLOv8 Cls
YOLOv9 Det
YOLOv9 Seg
YOLO World

3. 时间测试

在开发的模型部署平台上进行时间测试，当前的测试环境为：

CPU：11th Intel Core i7-1165G7 2.8GHz
IGPU：Intel Iris Xe Graphics
GPU：NVIDIA GeForce RTX 2060

在同一环境下，对其中一些模型进行了测试，如下表所示：

Model	OpenVINO CPU	OpenVINO IGPU	TensorRT GPU	ONNX runtime CPU	ONNX runtime GPU	OpenCV DNN
YOLOv5s Det	53.78 ms	28.84 ms	22.95 ms	95.68 ms	29.22 ms	178.53 ms
YOLOv5s Seg	119.53 ms	43.49 ms	31.17 ms	144.68 ms	42.27 ms	500.26 ms
YOLOv6s Det	98.66 ms	43.50 ms	19.93 ms	147.14 ms	25.90 msd	155.20 ms
YOLOv8s Det	77.06 ms	37.54 ms	20.04 ms	134.05 ms	25.82 ms	191.34 ms
YOLOv8s Seg	105.55 ms	48.45 ms	25.91 ms	200.01 ms	37.24 ms	532.16 ms

通过测试结果可以看出：

在GPU上：使用独立显卡加速的TensorRT在推理速度上表现是十分优秀的，但使用集成显卡加速的OpenVINO其推理速度也不容小觑，如果上到英特尔的独立显卡，其推理速度应该还会有很大程度上的提升，而ONNX runtime使用独立显卡加速，其推理性能上与TensorRT相比稍逊色；
在CPU上，OpenVINO 的表现时十分突出的，在使用极少的CPU占用上，其推理速度已经有了很大的提升，而ONNX runtime以及OpenCV DNN占用CPU很大的情况下，其推理速度远不如OpenVINO。

4. 总结

项目源码目前已经在GitHub上开源，项目链接为：

https://github.com/guojin-yan/YoloDeployCsharp.git

各位开发者可以根据自己情况加逆行下载，并进行项目配置，其中一些内容的配置可以参考一下文章：

最后如果各位开发者在使用中有任何问题，欢迎大家与我联系。