YOLOv5实战记录02 模型检测

本文介绍了如何使用YOLOv5进行图像检测,包括关键参数如置信度阈值和IOU阈值的解释,以及利用torch.hub简化模型加载和图像识别的过程。
摘要由CSDN通过智能技术生成

本人记录打卡,不够自习,慎看。

今天主要学了计组和计网,YOLO简单打个卡。

指路大佬:【手把手带你实战YOLOv5-入门篇】YOLOv5 模型检测_哔哩哔哩_bilibili

1. 主要讲了几个关键参数:

图源你可是处女座

 运行示例:

 python detect.py --weights yolov5s.pt   #--weights可以指定训练好的模型文件。

 python detect.py --weights yolov5s.pt --source data/images/bus.jpg
#source可以指定检测的目标,此处为指定单张图片。如果--source 0 即指定摄像头。 --source screen对整个屏幕进行检测。

python detect.py  --weights yolov5s.pt  --conf-thres 0.8
#--conf-thres代表置信度阈值,数值越低框越多。

python detect.py  --weights yolov5s.pt  --iou-thres 0.8
# --iou-thres 代表IOU阈值,数值越低框越少,越高框越多。

 2. 介绍了基于torch.hub的检测方法,运行下列代码即可检测出结果。

import torch
# Model
model = torch.hub.load("./","yolov5s",source="local")
# Images
img="./data/images/zidane.jpg"
# Inference
results = model(img)
# Results
results.show()

 

  • 5
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值