如何将YOLOv5 PyTorch模型转换为OpenCV DNN兼容格式

你完全可以在之前训练模型的Colab环境内完成格式转换，优先推荐转ONNX格式，对OpenCV C++的dnn模块兼容性最好。

转换操作步骤 #

1. 导出ONNX格式（优先选择） #

YOLOv5官方已经内置了转换脚本export.py，训练完成后直接在YOLOv5根目录执行以下命令即可：

pip install onnx onnxruntime
python export.py --weights 你的训练输出pt模型路径 --include onnx --opset 12

参数说明：

• --weights 替换为你自己训练生成的best.pt/last.pt文件路径，默认训练输出路径为runs/train/exp/weights/best.pt
• --opset 12 指定ONNX算子版本为12，适配OpenCV 4.5.4及以上版本的dnn模块，避免出现算子不支持的报错

导出完成后会生成同名.onnx文件，直接下载即可用于OpenCV C++推理。

2. 导出TensorFlow格式（可选） #

如果有TensorFlow格式需求，同样可以用内置脚本直接导出：

python export.py --weights 你的训练输出pt模型路径 --include saved_model pb

可导出TensorFlow SavedModel格式、pb格式，该格式仅适配TensorFlow C++ API调用，OpenCV加载的兼容性远低于ONNX，非必要不推荐选择。

注意：如果你的OpenCV版本低于4.5.4，建议导出时指定--opset 11，兼容性更好。

内容的提问来源于stack exchange，提问作者al072