C#集成YOLO26与ONNX Runtime实现高效目标检测

1. YOLO26与ONNX Runtime集成概述

YOLO26作为Ultralytics推出的新一代目标检测模型，其最显著的特点是采用了端到端的检测架构，完全移除了传统YOLO系列模型中的NMS（非极大值抑制）后处理步骤。这种设计使得模型输出直接就是最终的检测结果，格式为(N, 300, 6)的张量，其中N是批次大小，300是每张图像的最大检测数量，6对应[x1, y1, x2, y2, confidence, class_id]。

在C#环境中使用ONNX Runtime加载和运行YOLO26模型，相比Python环境需要特别注意内存管理和张量处理的细节。ONNX Runtime提供了C# API，可以高效地执行模型推理，但需要开发者手动处理输入输出的张量数据。典型的流程包括：加载ONNX模型、创建推理会话、准备输入张量、运行推理以及解析输出结果。

2. 环境准备与项目配置

2.1 开发环境要求

要开始C# ONNX YOLO26检测项目，需要准备以下环境：

• Visual Studio 2019或更高版本（建议使用2022）
• .NET Core 3.1或.NET 5+运行时
• ONNX Runtime库（通过NuGet安装）
• OpenCVSharp（可选，用于图像处理）

通过NuGet安装必要的包：

bash复制Install-Package Microsoft.ML.OnnxRuntime
Install-Package Microsoft.ML.OnnxRuntime.Gpu # 如需GPU支持
Install-Package OpenCvSharp4
Install-Package OpenCvSharp4.runtime.win

2.2 YOLO26模型准备

首先需要获取YOLO26模型文件。可以通过以下方式之一：

1. 直接从Ultralytics官方仓库下载预训练模型：

python复制from ultralytics import YOLO
model = YOLO('yolo26n.pt')  # 加载官方模型
model.export(format='onnx')  # 导出为ONNX格式

2. 使用自定义数据训练后导出：

python复制model = YOLO('yolo26n.pt')
model.train(data='custom.yaml', epochs=100)
model.export(format='onnx', dynamic=False)  # 静态形状更易部署

导出的ONNX模型应检查其输入输出形状：

• 输入：1x3x640x640（批次x通道x高度x宽度）
• 输出：1x300x6（端到端检测格式）

3. C# ONNX Runtime集成实现

3.1 模型加载与会话创建

在C#中加载ONNX模型并创建推理会话：

csharp复制using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;

var modelPath = "yolo26n.onnx";
var sessionOptions = new SessionOptions();
sessionOptions.GraphOptimizationLevel = GraphOptimizationLevel.ORT_ENABLE_ALL;

// 根据硬件选择执行提供程序
if (OrtEnv.Instance().GetAvailableProviders().Contains("CUDAExecutionProvider"))
{
    sessionOptions.AppendExecutionProvider_CUDA();
}
else
{
    sessionOptions.AppendExecutionProvider_CPU();
}

var session = new InferenceSession(modelPath, sessionOptions);

3.2 输入数据预处理

YOLO26要求输入图像为640x640分辨率，BGR格式，并做归一化处理：

csharp复制using OpenCvSharp;

Mat Prepro