README.md

English | 简体中文

视频分析示例

本示例以 YOLO11n 模型为例，演示如何将 TensorRT-YOLO 的 Deploy 模块集成到 VideoPipe 中进行视频分析。

yolo11n.pt，demo0.mp4，demo1.mp4

请通过提供的链接下载所需的 yolo11n.pt 模型文件和测试视频，并均保存至 worksapce 文件夹。

模型导出

使用以下命令导出带 EfficientNMS 插件的 ONNX 格式，详细的 trtyolo CLI 导出方法请阅读 模型导出：

trtyolo export -w workspace/yolo11n.pt -v yolo11 -o workspace -b 2 -s

运行上述命令后，models 文件夹中将生成一个 batch_size 为 2 的 yolo11n.onnx 文件。接下来，使用 trtexec 工具将 ONNX 文件转换为 TensorRT 引擎（fp16）：

trtexec --onnx=workspace/yolo11n.onnx --saveEngine=workspace/yolo11n.engine --fp16

项目运行

1. 确保已按照 TensorRT-YOLO 编译 和 VideoPipe 编译和调试 对项目进行编译。

2. 将项目编译为可执行文件：

   # 使用 xmake 编译
   xmake f -P . --tensorrt="/path/to/your/TensorRT" --deploy="/path/to/your/TensorRT-YOLO" --videopipe="/path/to/your/VideoPipe"
   xmake -P . -r
   
   # 使用 cmake 编译
   mkdir -p build && cd build
   cmake -DTENSORRT_PATH="/path/to/your/TensorRT" -DDEPLOY_PATH="/path/to/your/TensorRT-YOLO" -DVIDEOPIPE_PATH="/path/to/your/VideoPipe" .. 
   cmake --build . -j8 --config Release

   编译完成后，可执行文件将生成在项目根目录的 workspace 文件夹中。

3. 使用以下命令运行推理：

   cd workspace
   ./PipeDemo