feat: 添加 YOLO 模型从 PyTorch 到 ONNX 的转换及验证功能

- 实现了将 YOLO模型从 PyTorch 格式转换为 ONNX 格式的功能
- 加载并验证了导出的 ONNX 模型
- 编写了使用验证集进行模型测试的代码，包括图像预处理和推理
- 添加了调试信息输出，便于分析模型性能和验证结果

pt2onnx.py

@@ -0,0 +1,67 @@
+from ultralytics import YOLO
+import onnx
+import onnxruntime as ort
+import yaml
+import cv2
+import numpy as np
+import glob
+import os
+
+# 1. 加载并导出模型
+model = YOLO('runs/detect/train/weights/best.pt')
+model.to('cuda')
+
+model.export(
+    format="onnx",  # ONNX格式
+    dynamic=True,
+    simplify=True
+)
+
+# 2. 加载ONNX模型
+onnx_model = onnx.load('runs/detect/train/weights/best.onnx')
+onnx.checker.check_model(onnx_model)
+ort_session = ort.InferenceSession('runs/detect/train/weights/best.onnx')
+
+# 3. 加载验证集路径
+with open('data.yaml', 'r') as f:
+    data_config = yaml.safe_load(f)
+val_dir = os.path.dirname(data_config['val'])
+val_dir = val_dir.replace('../', '')  # 直接删除"../"前缀
+print("val_dir:", val_dir)  # 调试信息
+val_images = os.path.join(val_dir, 'images') if 'valid' in val_dir else os.path.join(val_dir, 'val', 'images')
+val_images = val_images.replace('\\', '/')  # 统一使用正斜杠路径分隔符
+print(f"val_images: {val_images}")  # 调试信息
+
+# 4. 验证集测试
+correct = 0
+total = 0
+print("开始验证...")
+
+matched_files = glob.glob(val_images + '/*.jpg')
+print(f"找到 {len(matched_files)} 张测试图片")  # 文件匹配调试
+
+for img_path in matched_files[:20]:  # 测试前20张
+    # 预处理
+    img = cv2.imread(img_path)
+    img = cv2.resize(img, (640, 640))
+    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 确保RGB顺序
+    img = img.transpose(2, 0, 1).astype(np.float32) / 255.0
+    img = np.expand_dims(img, axis=0).astype(np.float32)
+
+    # 推理
+    outputs = ort_session.run(None, {"images": img})
+    
+    # 添加输出调试信息
+    print(f"输出形状: {outputs[0].shape}")
+    print(f"输出示例数据: {outputs[0][0][:5]}...")
+    
+    # 使用置信度阈值判断检测
+    confidences = outputs[0][0, 4, :]
+    print(f"最大置信度: {np.max(confidences):.3f}")
+    
+    # 使用阈值判断是否检测到目标
+    if np.any(confidences > 0.5):
+        correct += 1
+    total += 1
+
+print(f"验证结果: {correct}/{total} 张图片检测到目标")