### C# ONNX YOLO 模型推理 示例代码 以下是一个完整的示例代码，展示如何在 C# 环境下使用 ONNX Runtime 进行 YOLO 模型的推理。此代码基于提供的引用内容进行了扩展和优化。 ```csharp using Microsoft.ML.OnnxRuntime; using Microsoft.ML.OnnxRuntime.Tensors; using System; using System.Collections.Generic; using System.Drawing; using System.Linq; class Program { static void Main(string[] args) { // 加载ONNX模型 var sessionOptions = new SessionOptions(); using (var session = new InferenceSession("yolov8n-pose.onnx", sessionOptions)) { Console.WriteLine("Model loaded successfully."); // 获取输入和输出节点信息 var inputMetadata = session.InputMetadata; var outputMetadata = session.OutputMetadata; foreach (var metadata in inputMetadata) { Console.WriteLine($"Input: {metadata.Key}, Type: {metadata.Value.ElementType}, Shape: [{string.Join(", ", metadata.Value.Shape)}]"); } foreach (var metadata in outputMetadata) { Console.WriteLine($"Output: {metadata.Key}, Type: {metadata.Value.ElementType}, Shape: [{string.Join(", ", metadata.Value.Shape)}]"); } // 准备输入数据 Bitmap image = new Bitmap("input_image.jpg"); float[] inputData = PreprocessImage(image, 640, 640); // 预处理图像 Tensor<float> inputTensor = new DenseTensor<float>(new[] { 1, 3, 640, 640 }, inputData); // 创建输入字典 var inputs = new List<NamedOnnxValue> { NamedOnnxValue.CreateFromTensor(inputMetadata.Keys.First(), inputTensor) }; // 执行推理 using (var results = session.Run(inputs)) { // 处理输出结果 foreach (var result in results) { var outputData = result.AsTensor<float>().ToArray(); PostprocessOutput(outputData); // 后处理输出 } } } } static float[] PreprocessImage(Bitmap image, int width, int height) { // 图像预处理逻辑：调整大小、归一化等 // 返回一个float数组作为输入张量 return new float[width * height * 3]; } static void PostprocessOutput(float[] outputData) { // 输出后处理逻辑：解析边界框、置信度等 Console.WriteLine("Processing output..."); } } ``` ### 说明 上述代码实现了以下几个关键步骤： 1. **加载模型**：通过 `InferenceSession` 类加载指定的 ONNX 模型文件[^3]。 2. **获取元数据**：从模型中提取输入和输出节点的元数据信息，用于构建输入张量和解析输出结果[^3]。 3. **图像预处理**：将输入图像调整为模型所需的尺寸，并进行必要的归一化处理[^4]。 4. **执行推理**：使用 `Run` 方法运行模型推理，并获取输出结果。 5. **输出后处理**：对推理结果进行解析，提取目标检测或姿态识别的相关信息[^4]。 ### 注意事项 - 确保安装了 `Microsoft.ML.OnnxRuntime` NuGet 包以支持 ONNX 模型推理[^3]。 - 输入图像路径（如 `"input_image.jpg"`）需要根据实际场景替换为有效的文件路径。 - 模型文件名（如 `"yolov8n-pose.onnx"`）应与实际使用的 ONNX 文件一致[^4]。 ---