非常感谢

[Stoooner]

感谢大佬详尽的README和代码注释，我是第一次接触onnxruntime这个东西，官方写的api接口那些的看的头大，还好有大佬写的文档才能比较好的看明白代码和onnxruntime的基本使用方法，再次表示感谢

[iwanggp]

嗯嗯 一起学习中

[shixiuhai]

感谢作者的分享，让我在部署时少走了许多弯路，实际加载模型预测对结果处理的部分我改成了这样 for detection in pred:
# 输出前判断一下目标框概率
boxConfidence=float(detection[4])
if boxConfidence>0.25:
scores = detection[5:]
classID = np.argmax(scores)
confidence = float(scores[classID]) * boxConfidence # 置信度为类别的概率和目标框概率值得乘积
if confidence > self.threshold:
box = detection[0:4]
(centerX, centerY, width, height) = box.astype("int")
x = int(centerX - (width / 2))
y = int(centerY - (height / 2))
boxes.append([x, y, int(width), int(height)])
classIds.append(classID)
confidences.append(float(confidence)) 原来对结果的处理速度有些慢