基于C++和ONNX Runtime部署YOLOv12的ONNX模型，可以遵循以下步驟：

1. 準備環境：首先，確保已經下載后指定版本opencv和onnruntime的C++庫。

2. 模型轉換：?安裝好yolov12環境并將YOLOv12模型轉換為ONNX格式。這通常涉及使用深度學習框架（如PyTorch或TensorFlow）加載原始模型，并導出為ONNX格式。轉換指令

# End-to-End ONNX
yolo export model=yolov12{n/s/m/b/l/x}.pt format=onnx opset=13 simplify

1. C++環境配置：在CMakeLists.txt項目中正確引用了opencv和ONNX Runtime的頭文件，并鏈接到相應的庫。這允許在C++代碼中使用ONNX Runtime的功能。

2. 加載模型：使用ONNX Runtime的API加載轉換后的YOLOv12 ONNX模型。

3. 執行推理：通過ONNX Runtime的推理引擎，將圖像數據輸入到模型中，并執行目標檢測任務。

4. 處理結果：解析模型輸出的結果，這通常涉及將輸出的張量數據轉換為可理解的檢測結果，如邊界框坐標和類別標簽。

通過這些步驟，可以在C++環境中利用ONNX Runtime高效地部署YOLOv12模型，實現實時的目標檢測功能。

【測試環境】

windows10 x64
vs2019
cmake==3.30.1
onnxruntime==1.16.3
opencv==4.9.0
【使用步驟】
首先cmake生成exe文件，然后將onnxruntime.dll和onnxruntime_providers_shared.dll放到exe一起，不然會提示報錯0xc000007b，這是因為系統目錄也有個onnxruntime.dll引發沖突，并把car.mp4也放到exe一起。運行直接輸入
yolov12.exe?注意onnx路徑要是你真實路徑我的onnx路徑是我桌面上地址

【代碼調用】

注意onnxruntime使用的cpu版本庫，如需使用GPU還需要修改代碼才行

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgcodecs.hpp>
#include <iostream>
#include <string>
#include "YOLO12.hpp"int main() {// Paths to the model, labels, test image, and save directoryconst std::string labelsPath = "../models/coco.names";const std::string imagePath = "../data/dog.jpg";           // Image pathconst std::string savePath = "../data/dog_detections.jpg";   // Save directory// Model path for YOLOv12const std::string modelPath = "../models/yolov12n.onnx";   // YOLOv12// Initialize the YOLO detector with the chosen model and labelsbool isGPU = true; // Set to false for CPU processingYOLO12Detector detector(modelPath, labelsPath, isGPU);// Load an imagecv::Mat image = cv::imread(imagePath);if (image.empty()) {std::cerr << "Error: Could not open or find the image!\n";return -1;}// Detect objects in the image and measure execution timeauto start = std::chrono::high_resolution_clock::now();std::vector<Detection> results = detector.detect(image);auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::high_resolution_clock::now() - start);std::cout << "Detection completed in: " << duration.count() << " ms" << std::endl;// Draw bounding boxes on the imagedetector.drawBoundingBox(image, results); // Simple bounding box drawing// detector.drawBoundingBoxMask(image, results); // Uncomment for mask drawing// Save the processed image to the specified directoryif (cv::imwrite(savePath, image)) {std::cout << "Processed image saved successfully at: " << savePath << std::endl;} else {std::cerr << "Error: Could not save the processed image to: " << savePath << std::endl;}// Display the imagecv::imshow("Detections", image);cv::waitKey(0); // Wait for a key press to close the windowreturn 0;
}

部署演示可以參考視頻：bilibili.com/video/BV1iYPsewEDg