OpenVINO + Yolov26 + C# + .net framework4.8实现分类推理

1. 创建.net framework类型的C#控制台应用程序2. 使用NuGet包管理器安装如下依赖3. 配置项目属性右键项目 →属性→生成→目标平台选择x64。4. 拷贝原生库找到 NuGet 包缓存目录路径通常为C:\Users\你的用户名\.nuget\packages\openvino.runtime.win\2024.3.0.1\runtimes\win-x64\native\将native文件夹下的所有.dll文件包括openvino_c.dll复制到你的项目输出目录bin\Debug\或bin\x64\Debug\下。2024.3.0.1为你安装的依赖的版本可以在第一张图已安装的NuGet包查看5. 添加ClsDemo.cs类并输入如下代码using System; using System.Collections.Generic; using System.Linq; using System.Diagnostics; using System.IO; using OpenCvSharp; using OpenVinoSharp; namespace YOLOv26Demo { public class ClsDemo { public static void Run() { // 1. 配置参数 string modelPath E:\Yolo\ModelTest\yolo26n-cls.onnx; // 支持 .onnx 或 .xml string imagePath E:\Yolo\ModelTest\demo_4.jpg; string device CPU; // 验证文件存在性 if (!File.Exists(modelPath)) { Console.WriteLine($错误模型文件不存在{modelPath}); Console.ReadKey(); return; } if (!File.Exists(imagePath)) { Console.WriteLine($错误图片文件不存在{imagePath}); Console.ReadKey(); return; } // 2. 初始化 OpenVINO Console.WriteLine(初始化 OpenVINO Runtime...); Core core null; Model model null; CompiledModel compiledModel null; InferRequest inferRequest null; try { core new Core(); Console.WriteLine($可用设备: {string.Join(, , core.get_available_devices())}); // 3. 加载模型 Console.WriteLine($加载模型: {modelPath}); model core.read_model(modelPath); compiledModel core.compile_model(model, device); Console.WriteLine($模型已编译到: {device}); // 创建推理请求 inferRequest compiledModel.create_infer_request(); // 4. 获取模型输入信息修正类型转换 Tensor inputTensor inferRequest.get_input_tensor(); Shape inputShape inputTensor.get_shape(); // 正确获取各维度值使用索引器直接获取 long 类型 long batchSize inputShape[0]; // Batch 大小通常为 1 long channels inputShape[1]; // 通道数通常为 3 (RGB) long modelHeight inputShape[2]; // 高度 long modelWidth inputShape[3]; // 宽度 Console.WriteLine($输入形状: [Batch{batchSize}, Channels{channels}, Height{modelHeight}, Width{modelWidth}]); // 转换为 int 类型用于后续操作OpenCvSharp 使用 int int height (int)modelHeight; int width (int)modelWidth; // 5. 读取并预处理图片 Console.WriteLine($读取图像: {imagePath}); Mat image Cv2.ImRead(imagePath); if (image.Empty()) { Console.WriteLine(错误无法读取图片); return; } // 预处理BGR → RGB → Resize → 归一化 → CHW 格式 Mat rgbImage new Mat(); Cv2.CvtColor(image, rgbImage, ColorConversionCodes.BGR2RGB); Mat resizedImage new Mat(); Cv2.Resize(rgbImage, resizedImage, new Size(width, height)); Mat normalizedImage new Mat(); resizedImage.ConvertTo(normalizedImage, MatType.CV_32F, 1.0 / 255.0); // 构建 CHW 格式的一维数组 float[] inputData new float[channels * height * width]; int index 0; for (int c 0; c channels; c) { for (int h 0; h height; h) { for (int w 0; w width; w) { Vec3f pixel normalizedImage.AtVec3f(h, w); inputData[index] pixel[c]; } } } // 6. 设置输入并推理 inputTensor.set_data(inputData); Console.WriteLine(执行推理...); Stopwatch sw Stopwatch.StartNew(); inferRequest.infer(); sw.Stop(); Console.WriteLine($推理耗时: {sw.ElapsedMilliseconds} ms); // 7. 获取输出结果 Tensor outputTensor inferRequest.get_output_tensor(); Shape outputShape outputTensor.get_shape(); long numClasses outputShape[1]; Console.WriteLine($输出形状: {outputShape.to_string()}, 类别数: {numClasses}); ulong totalSize outputTensor.get_size(); float[] scores outputTensor.get_datafloat((int)totalSize); // 8. Top-5 结果 var results scores .Select((score, idx) new { ClassId idx, Score score }) .OrderByDescending(x x.Score) .Take(5) .ToList(); Console.WriteLine(\n Top-5 分类结果 ); Console.WriteLine(排名\t类别ID\t置信度); for (int i 0; i results.Count; i) { Console.WriteLine(${i 1}\t{results[i].ClassId}\t{results[i].Score:F6}); } // 9. 显示结果图片 string top1Label $Class {results[0].ClassId}: {results[0].Score:P1}; Cv2.PutText(image, top1Label, new Point(10, 40), HersheyFonts.HersheySimplex, 1.2, new Scalar(0, 255, 0), 2); Cv2.ImShow(YOLOv26 Classification Result, image); Cv2.WaitKey(0); Cv2.DestroyAllWindows(); // 释放资源 outputTensor.Dispose(); inputTensor.Dispose(); inferRequest.Dispose(); compiledModel.Dispose(); model.Dispose(); core.Dispose(); Console.WriteLine(\n推理完成); } catch (Exception ex) { Console.WriteLine($错误: {ex.Message}); Console.WriteLine($堆栈: {ex.StackTrace}); } finally { inferRequest?.Dispose(); compiledModel?.Dispose(); model?.Dispose(); core?.Dispose(); } Console.WriteLine(\n按任意键退出...); Console.ReadKey(); } } }注意模型路径更改为自己的路径6. 调用 ClsDemo.Run();运行程序7. 运行结果