TensorRT 8.6 C++开发环境配置与YOLOv8实例分割推理演示-德赢Vwin官网网

硬件与软件版本信息

GPU3050ti Windows10 64 VS2017 Python3.8.5 CUDA11.3 + cuDNN8.3

TensorRT8.6版本下载

https://developer.nvidia.com/tensorrt

VS2017+TensorRT8.6开发环境配置

下载好TensorRT8.6之后解压缩到D盘D:TensorRT-8.6.0.12，目录结构如下：

打开VS2017，新建一个C++控制台空项目如下图：

点击【确定】会生成一个C++控制台项目。右键源文件添加cpp文件 main.cpp

修改项目为：

然后右键项目名称test_trt86, 从弹出菜单中选择属性，显示如下：

在包含目录中添加TensorRT的include目录与CUDA的include目录：

在库目录中添加TensorRT的lib目录与CUDA的lib目录：

从链接器-》输入中添加库目录下面所有包含的的*.lib文件依赖。

最后配置环境变量：

3跟4安装好CUDA会自动添加，不用管！添加好2即可。然后重启VS2017即完成开发环境搭建。

YOLOv8实例分割C++推理演示

对YOLOv8实例分割TensorRT 推理代码已经完成C++类封装，三行代码即可实现YOLOv8对象检测与实例分割模型推理，不需要改任何代码即可支持自定义数据训练部署推理，演示代码如下：

1intmain(intargc,char**argv){ 2std::vectorlabels=readClassNames(); 3std::stringenginefile="D:/TensorRT-8.6.0.12/bin/yolov8n-seg.engine"; 4cv::VideoCapturecap("D:/bird_test/hongyegu.mp4"); 5cv::Matframe; 6autodetector=std::make_shared(); 7detector->initConfig(enginefile,0.25,0.25); 8std::vectorresults; 9while(true){ 10boolret=cap.read(frame); 11if(frame.empty()){ 12break; 13} 14detector->detect(frame,results); 15for(DetectResultdr:results){ 16cv::Rectbox=dr.box; 17cv::putText(frame,labels[dr.classId],cv::Point(box.tl().x,box.tl().y-10),cv::FONT_HERSHEY_SIMPLEX,.5,cv::Scalar(0,0,0)); 18} 19cv::imshow("YOLOv8+TensorRT8.6实例分割演示",frame); 20charc=cv::waitKey(1); 21if(c==27){//ESC退出 22break; 23} 24//resetfornextframe 25results.clear(); 26} 27return0; 28} 运行结果如下：

YOLOv5与YOLOv8自定义对象检测 INT8量化推理运行结果：

视频课程最后一课时获取源码：

https://ke.qq.com/course/6011334

掌握TensorRT8.6 C++如何部署图像分类，对象检测，实例分割，语义分割主流模型，自定义脚本一键INT8量化模型，使用OpenCV CUDA加速图像预处理等各种工程化部署推理技巧，实现推理部署的工程化封装支持，客户端三行代码即可调用！全部解锁上述技能与源码获取，扫码下面视频课程加入即可获取：

审核编辑：李倩

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

C++

C++

+关注

关注
22

文章
2108

浏览量
73618
变量

变量

+关注

关注
0

文章
613

浏览量
28360
OpenCV

OpenCV

+关注

关注
31

文章
634

浏览量
41337

原文标题：TensorRT 8.6 C++开发环境配置与YOLOv8实例分割推理演示

文章出处：【微信号：CVSCHOOL，微信公众号：OpenCV学堂】欢迎添加关注！文章转载请注明出处。

使用YOLOv8做目标检测和实例分割的演示

YOLOv8是来自Ultralytics的最新的基于YOLO的对象检测模型系列，提供最先进的性能。

发表于 02-06 10:11 •7458次阅读

YOLOv8自定义数据集训练到模型部署推理简析

如果你只是想使用而不是开发，强烈推荐通过pip安装方式获取YOLOv8包！YOLOv8安装命令行

发表于 03-24 09:27 •4657次阅读

在AI爱克斯开发板上用OpenVINO™加速YOLOv8分类模型

本系列文章将在 AI 爱克斯开发板上使用 OpenVINO 开发套件依次部署并测评 YOLOv8 的分类模型、目标检测模型、实例分割模型和人

发表于 05-05 11:47 •1050次阅读

在AI爱克斯<b class='flag-5'>开发</b>板上用OpenVINO™加速<b class='flag-5'>YOLOv8</b>分类模型

如何实现YOLOv8 + ONNRUNTIME推理界面化与多线程支持

2023年一月份跟二月份创建了一个PyQT5人工智能软件开发系列的文章系列，过去的两个月都没怎么更新，心里一直想有时间继续更新下去，今天又更新了一篇，基于PyQT5实现多线程、界面化、YOLOv8对象检测、实例

发表于 05-22 09:26 •2401次阅读

如何实现<b class='flag-5'>YOLOv8</b> + ONNRUNTIME<b class='flag-5'>推理</b>界面化与多线程支持

AI爱克斯开发板上使用OpenVINO加速YOLOv8目标检测模型

《在AI爱克斯开发板上用OpenVINO加速YOLOv8分类模型》介绍了在AI爱克斯开发板上使用OpenVINO 开发套件部署并测评YOLOv8

发表于 05-26 11:03 •1238次阅读

在AI爱克斯开发板上用OpenVINO™加速YOLOv8-seg实例分割模型

《在 AI 爱克斯开发板上用 OpenVINO 加速 YOLOv8 目标检测模型》介绍了在 AI 爱克斯开发板上使用 OpenVINO 开发套件部署并测评

发表于 06-05 11:52 •999次阅读

教你如何用两行代码搞定YOLOv8各种模型推理

大家好，YOLOv8 框架本身提供的API函数是可以两行代码实现 YOLOv8 模型推理，这次我把这段代码封装成了一个类，只有40行代码左右，可以同时支持YOLOv8对象检测、

发表于 06-18 11:50 •3055次阅读

用OpenVINO™ C++ API编写YOLOv8-Seg实例分割模型推理程序

本文章将介绍使用 OpenVINO 2023.0 C++ API 开发YOLOv8-Seg 实例分割（Instance Segmentati

发表于 06-25 16:09 •1581次阅读

在AI爱克斯开发板上用OpenVINO™加速YOLOv8-seg实例分割模型

《在 AI 爱克斯开发板上用 OpenVINO 加速 YOLOv8 目标检测模型》介绍了在 AI 爱克斯开发板上使用 OpenVINO 开发套件部署并测评

发表于 06-30 10:43 •903次阅读

三种主流模型部署框架YOLOv8推理演示

部署。这里以YOLOv8为例，演示了YOLOv8对象检测模型在OpenVINO、ONNXRUNTIME、TensorRT三个主流框架上C++

发表于 08-06 11:39 •2727次阅读

OpenCV4.8+YOLOv8对象检测C++推理演示

自从YOLOv5更新成7.0版本，YOLOv8推出以后，OpenCV4.6以前的版本都无法再加载导出ONNX格式模型了，只有OpenCV4.7以上版本才可以支持最新版本YOLOv5与YOLOv

发表于 09-27 11:07 •1538次阅读

基于YOLOv8的自定义医学图像分割

YOLOv8是一种令人惊叹的分割模型；它易于训练、测试和部署。在本教程中，我们将学习如何在自定义数据集上使用YOLOv8。但在此之前，我想告诉你为什么在存在其他优秀的分割模型时应该使用

发表于 12-20 10:51 •770次阅读

YOLOv8实现旋转对象检测

YOLOv8框架在在支持分类、对象检测、实例分割、姿态评估的基础上更近一步，现已经支持旋转对象检测（OBB），基于DOTA数据集，支持航拍图像的15个类别对象检测，包括车辆、船只、典型各种场地等。包含2800多张图像、18W个

发表于 01-11 10:43 •1800次阅读

OpenCV4.8 C++实现YOLOv8 OBB旋转对象检测

YOLOv8框架在在支持分类、对象检测、实例分割、姿态评估的基础上更近一步，现已经支持旋转对象检测（OBB），基于DOTA数据集，支持航拍图像的15个类别对象检测，包括车辆、船只、典型各种场地等。包含2800多张图像、18W个

发表于 02-22 10:15 •1617次阅读

基于OpenCV DNN实现YOLOv8的模型部署与推理演示

基于OpenCV DNN实现YOLOv8推理的好处就是一套代码就可以部署在Windows10系统、乌班图系统、Jetson的Jetpack系统

发表于 03-01 15:52 •1584次阅读