yolov8segqtncnnqt_ncnn使用ncnn框架部署yolov8-seg外加qt进行界面可视化操作用于图片和视频实例分割推理。一直以来自己做算法部署或者是模型推理最后总是需要在命令行敲各种命令然后通常借助opencv进行可视化。老实说虽然最后的结果也展现出来了但是总感觉操作比较繁琐并且敲指令对于那些非专业的人来说门槛也相对高了不如在UI界面操作直观、简单。因此便一直有学习QT的打算一方面是可以再点亮一个技能分支另一方面也能让部署算法在实行图片或者视频推理的结果更加的直观。再加上QT框架使用C编写的而现在的自己对C有了部分掌握所以学习成本相对也没那么高。在学习完基本的QT之后发现能够简单看懂别人工程的实现但是暂时没办法按照自己的思路绘制UI以及实现按钮功能因此便只能站在巨人的肩膀上做二次修改低情商抄代码。因为我之前部署的模型大部分都是基于ncnn框架实现的同时一般都需要载入模型、加载图像或者视频等等因此我希望可以找到一个QT工程让我可以不用怎么修改UI界面和槽函数定义与实现同时可以将我已有的ncnn模型移植进去那就最完美了因为可以减少我的很多工作量。在Gayhub找了一番之后还真的让我找到了。这个QT仓库的地址为QT_Learning该仓库实现了很多常用的QT案例其中就有我所需要的有关qtncnn部署方面的案例如果我将该案例搞懂并在此技术上进行模型修改的话应该可以节省我的很多学习成本。在花了一点时间熟悉了该工程之后想着要实战试试。因此我选择了之前实现的基于ncnn框架实现的yolov8-seg实例分割ncnn_yolov8_seg直接用现成的代码更是可以省略我训练模型和后处理代码的时间。经过几天的学习和调试最后在chatgpt和我自己的努力下终于实现了基本的功能本仓库包含完成的程序代码。整体的UI界面如下本仓库的代码我分别有在windows和ubuntu上都运行过都能正常实现检测功能。以下介绍实现该工程所需的一些依赖windows端 Visual Studio2019(安装qt插件)opencv-3.4.10ncnn-20240820-full-source protobuf-3.4.0ubuntu端 Qt Creator opencv-3.4.10ncnn-20240820-full-source在Windows端之所以不用Qt Creator的原因是因为不知道为什么在运行代码时会报platform.h的错误在网山搜索了一大圈没找到解决方法最后只能在Visual Studio进行。本仓库的代码是在Ubuntu上运行的关键代码相比Windows上所含的文件少很多同时很直观。以下是一些在执行代码中需要注意的点1在UI界面上载入模型时默认是载入**“.param”**格式的权重文件选择.bin会报错弹窗让你重新选择。2在选择输入分辨率候选框无论选择哪种分辨率结果都可以正常推理理论上分辨率更高推理的结果更准确。一些安装库可以参考的博客文章一篇即成功Ubuntu下搭建qt环境和安装Qt CreatorUbuntu16.04安装NCNN和OpencvVisual Studio 安装 Qt 插件