使用cv2.dnn.readNet读取YOLOv7 ONNX文件失败，寻求解决方法

一、先验证ONNX文件有效性 #

• 安装ONNX官方校验工具，检查文件是否损坏或导出异常：

  !pip install onnx
  !onnxchecker yolov7.onnx
  

  若输出报错，说明文件本身有问题，需要重新导出。
• 用Netron可视化检查网络结构：

  !pip install netron
  

  import netron
  netron.start('yolov7.onnx')
  

  打开生成的链接，查看网络节点是否完整，有无缺失层。

二、修正YOLOv7 u5分支的导出参数 #

u5分支默认导出参数可能不兼容OpenCV，调整命令重新导出：

!python export.py --weights yolov7.pt --grid --end2end --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640 --opset 12

• 关键参数说明：
  • --simplify：简化ONNX结构，去除冗余节点
  • --opset 12：指定opset版本为12，匹配OpenCV 4.6.0的支持范围
  • 不要加--dynamic，OpenCV dnn对动态尺寸ONNX支持有限

三、检查OpenCV的ONNX支持 #

Colab默认的OpenCV可能未编译ONNX支持，验证并重新安装：

1. 检查支持状态：

import cv2
print("ONNX支持状态:", cv2.dnn.readNetFromONNX is not None)

2. 若输出为False，重新安装带ONNX支持的版本：

!pip uninstall -y opencv-python opencv-contrib-python
!pip install opencv-contrib-python==4.6.0.66

四、替代方案：用ONNX Runtime推理 #

若以上步骤无效，改用ONNX Runtime完成检测：

1. 安装依赖：

!pip install onnxruntime-gpu

2. 基础推理代码：

import onnxruntime as ort
import cv2
import numpy as np

# 加载模型
session = ort.InferenceSession('yolov7.onnx', providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])

# 图片预处理
img = cv2.imread('test.jpg')
img_resized = cv2.resize(img, (640, 640))
img_rgb = cv2.cvtColor(img_resized, cv2.COLOR_BGR2RGB)
input_tensor = img_rgb.transpose(2, 0, 1)[np.newaxis, ...].astype(np.float32) / 255.0

# 推理
outputs = session.run(None, {session.get_inputs()[0].name: input_tensor})

# 后处理（参考YOLOv7官方detect.py逻辑解析检测框、类别、置信度）

五、额外注意事项 #

• 尽量在Colab环境内直接导出ONNX，避免本地与Colab的PyTorch/ONNX版本差异导致的兼容性问题
• 重新下载预训练权重确保完整性：

  !wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt
  

内容的提问来源于stack exchange，提问作者Model Trainer