这里使用的是自己整理的数据集，对瓶子进行目标检测，训练样本100张左右，测试样本20张左右，300个epochs，其他超参数默认。仅供参考。
实现过程参考链接：
https://blog.csdn.net/qq_34124780/article/details/121079317
注意事项：
1、在6.0下可以不需要改动模型代码，包括大家提到的切片问题，只需要修改ONNX的参数opset默认13改为12，不然读取模型时会报错，应该是OpenCV还没有支持ONNX13；
2、使用作者的代码跑自己的数据集时需要修改yolo.h中参数，跟训练时保持一致，特别是类别个数；
3、用自己数据集训练时如果没有对图片进行减均值的操作，应该把yolo.cpp中blobFromImage的Scalar设置为(0, 0,0)；
以下是OpenCV下跑出来的效果，第一张是C++和opencv，第二张是Python+OnnxRuntime，结果基本相同，效果还是不错的。
另外直接跟用pt文件预测的结果比，结果框还是有比较明显的偏移，当前pt文件和onnx文件之间还是不能无损转换，还是哪里设置问题？
