C# OnnxRuntime YoloV5 Demo
原文中文，约9400字，阅读约需23分钟。
📝
内容提要
这篇文章介绍了一个基于YoloV5模型的目标检测应用。该应用可以读取图片并进行目标检测，检测结果包括目标类别、置信度和边界框。应用还提供保存检测结果的功能。
🔎
延伸解读
模型输入输出解析
文章显示模型输入为1x3x640x640的浮点张量，输出包含多个张量，其中主要输出为1x25200x85。25200个检测结果对应不同尺度的特征图，每个结果包含85个值：4个边界框坐标、1个目标置信度和80个类别概率。这种多尺度输出是YOLOv5的典型设计，有助于检测不同大小的目标。
后处理与NMS的作用
代码中，模型输出经过置信度过滤和非极大值抑制（NMS）处理。首先根据置信度阈值筛选候选框，然后计算类别置信度（目标置信度乘以类别概率），最后通过NMS去除重叠框。NMS的阈值设为0.5，有助于减少重复检测，提高结果准确性。
图像预处理与坐标还原
输入图像被填充为正方形并缩放到640x640，同时记录缩放比例。检测后，边界框坐标根据比例还原到原图尺寸。这种处理保证了不同长宽比的图像都能适应模型输入，但填充可能引入无关区域，影响检测效率。
应用功能与交互
该WinForms应用允许用户选择图片、调整置信度阈值、执行检测并保存结果。检测结果包括类别、置信度和边界框，并显示推理耗时。保存功能支持JPG、PNG和BMP格式。界面简洁，适合快速测试YOLOv5模型在C#中的集成效果。
❓
Q&A
YoloV5模型的目标检测应用可以输出哪些信息？
该应用可以输出目标类别、置信度和边界框。
如何使用该应用进行目标检测？
用户可以通过按钮选择图片，然后点击检测按钮进行目标检测。
该应用支持保存检测结果吗？
是的，应用提供保存检测结果的功能，可以保存为不同格式的图像。
YoloV5模型的输入图像尺寸是多少？
模型输入为640x640的图像。
在目标检测过程中，如何处理重叠的检测框？
使用非极大值抑制（NMS）来过滤重叠的检测框。
该应用使用了哪些库进行图像处理？
代码中使用了OpenCvSharp库进行图像处理和显示。
🏷️
