目标检测YOLOV7 添加计数功能

思艺妄为

已于 2023-02-08 19:30:59 修改

阅读量2.8k

点赞数 8

文章标签： YOLO

于 2023-02-08 19:29:48 首次发布

本文链接：https://blog.csdn.net/Zosse/article/details/128941524

版权

开学我就研二下了，感叹时光飞逝。因为好多人在评论里问，所以出一篇！注：本文章应该是适用所有YOLO系列。

1. 只有一种类别

修改detect.py文件，找到if save_img，下面添加就可以了

cv2.putText(im0, f"{n} {names[int(c)]}{'s' * (n > 1)}", (5, 50), cv2.FONT_HERSHEY_SIMPLEX, 1.2,(0, 0, 255), 2)   # 只有一个类别就用这个

2. 有多种类别

同样修改detect.py文件，添加下面画红框的，就可以了，包括想修改框粗细的，都在下面哦~懒得复制了，大家需要的直接手敲吧。

3. 结果

优惠劵

思艺妄为

关注关注

8
点赞
踩
108

收藏

觉得还不错? 一键收藏
21
评论
目标检测YOLOV7 添加计数功能

开学我就研二下了，感叹时光飞逝。因为好多人在评论里问，所以出一篇！注：本文章应该是适用所有YOLO系列。
复制链接

扫一扫

智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip

08-22

智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.91 类别：person、truck、car、bus、traffic light 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹，运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。

yolov5v7v8目标检测增加计数功能--免费源码

02-28

2475

在yolo系列中，很多网友都反馈过想要在目标检测的图片上，显示计数功能。其实官方已经实现了这个功能，只不过没有把相关的参数写到图片上。所以微智启软件工作室出一篇教程，教大家如何把计数的参数打印到图片上。

21 条评论您还未登录，请先登录后发表或查看评论

智能交通系统-yolov8/yolov7/yolov5+deepsort车辆跟踪、计数、测速、碰撞检测、违规驶入检测(原创算法-毕业设计)

最新发布

积极向上的mr.d的博客

04-19

815

yolov8 +双目实现区域计数功能

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的车型识别与计数系统（深度学习模型+UI界面代码+训练数据集）

思绪无限的博客

03-12

5059

介绍了运用深度学习的车型识别与计数系统，提供完整的实现代码见文末。该系统基于强大的YOLOv8算法，并对比了YOLOv7、YOLOv6、YOLOv5，分析其性能指标，如mAP、F1 Score等。深入解释了YOLOv8的原理，提供相应的Python代码、训练数据集，集成了PySide6的UI界面，以及基于SQLite数据库的登录注册界面。系统能够精准识别车型与计数，支持图片、图片文件夹、视频文件及摄像头检测，包含热力图或柱状图分析、标记框类别、类别统计、可调Conf、IOU参数和结果可视化等功能。

基于YOLOv5、v7、v8的竹签计数系统的设计与实现

一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~

01-21

1646

该系统是一个综合型的应用，基于PyTorch框架的YOLOv5、YOLOv7和YOLOv8，结合了Django后端和Vue3前端，为竹签生成工厂和串串香店铺提供了一套全面而强大的实时监测与分析解决方案。系统主要特色在于实时目标检测和位置追踪，支持用户通过上传图片、视频或摄像头进行推理，实时获取竹签的位置和数量。这一功能的实现基于高度精准的YOLO模型，为生产过程提供了即时可用的信息，助力企业合理安排生产计划、优化库存管理。

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的教室人员检测与计数（Python+PySide6界面+训练代码）

思绪无限的博客

03-02

7236

开发教室人员检测与计数系统对教育资源管理具有实际意义，本博客介绍了使用深度学习建立此系统的方法，提供完整代码。基于YOLOv8算法，文章比较了其与YOLOv7、YOLOv6、YOLOv5的性能，包括mAP、F1 Score等。详细解析了YOLOv8原理，附有Python代码、训练数据集，并集成了PySide6 UI。系统能准确检测教室内人员，支持图片、文件夹、视频和摄像头输入，功能包括热力图、标记框、类别统计、可调参数和结果展示。包含SQLite用户管理界面，支持模型切换和UI自定义。代码和数据集见文末。

YOLOv5+DeepSORT多目标跟踪与计数精讲

05-10

本课程使用YOLOv5和DeepSORT对视频中的行人、车辆做多目标跟踪和计数，开展YOLOv5目标检测和DeepSORT多目标跟踪强强联手的应用。课程分别在Windows和Ubuntu系统上做项目演示，并对DeepSORT原理和代码做详细解读（使用PyCharm单步调试讲解）。课程包括：基础篇、实践篇、原理篇和代码解析篇。基础篇包括多目标跟踪任务介绍、数据集和评估指标；实践篇包括Win10和Ubuntu系统上的YOLOv5+DeepSORT的多目标跟踪和计数具体的实践操作步骤演示，特别是对行人、车辆的ReID数据集讲解了训练方法；原理篇中讲解了马氏距离、匈牙利算法、卡尔曼滤波器的原理，并解读了SORT和DeepSORT论文；代码解析篇中使用PyCharm单步调试对DeepSORT的代码逐个文件进行讲解。课程提供注释后的代码。

YOLOv5实现目标分类计数并显示在图像上

Albert_yeager的博客

05-16

1万+

本文将详细介绍如何使用YOLOv5在图片、视频、实时检测中实现分类计数并显示在图像上。

使用YOLOv8构建目标计数GUI

fengdu78的博客

11-29

501

来源：“深度学习爱好者”标检测是在图片或视频中定位物体的过程。其中一个著名的目标检测框架是YOLO（You Only Look Once）。在某些情况下，我们不仅需要定位图片或视频中的物体，还需要了解每个物体的运动，就像在这篇文章中，我们想要计数通过某些位置的物体。这就是我们需要不仅仅是检测的地方，我们需要称为目标跟踪的东西的地方。此外，大多数情况下，我们通常只是通过执行脚本或命令行中的代码来使用...

基于YoloV5的钢筋计数

qq_52893243的博客

07-28

5363

基于yolov5s.pt yolov5m.pt yolov5l.pt三种网络结构模型的钢筋计数

pytorch目标检测yolov4目标检测各类型数目统计计数 https://blog.csdn.net/babyai996/

04-04

pytorch目标检测yolov4目标检测各类型数目统计计数 https://blog.csdn.net/babyai996/article/details/123959712

基于yolov算法行人进出双向计数

06-09

使用python语言开发的基于yolov3目标检测算法的行人进出双向计数项目。通过yolov3算法进行行人检测，使用滤波算法进行跟踪，从而完成行人统计。项目中包含输入测试视频，检测结果视频以及完整的模型文件，还有相关说明介绍以及自己对代码注释，只需简单的配置环境就可以运行该项目，适合目标检测研究者、yolov算法研究者、图像处理研究者以及刚读研从事研究的研究生，也可以作为计算机视觉课程的大作业，毕业设计。运行效果可参考：https://www.bilibili.com/video/BV1Ta4y1p7fP/

两百行C++代码实现yolov5车辆计数部署（通俗易懂版）

12-10

两百行C++代码实现yolov5车辆计数部署（通俗易懂版）对应文章https://blog.csdn.net/taifyang/article/details/128264192?spm=1001.2014.3001.5502

用于目标检测的细胞数据集，yolov5格式

11-23

用于目标检测的细胞数据集，yolov5格式

yolov5v7v8目标检测计数代码

02-28

这个是由微智启软件工作室改进的yolov5v7v8目标检测计数代码，可以统计检测到的类别数量进行统计，然后通过cv2显示到图片上。代码讲解可以参考csdn文档：http://t.csdnimg.cn/aQXlb

基于yolov5目标检测实现的视频计数代码

04-18

py代码，传入训练好的权重和视频地址即可脚本需要放在yolov5的目录下，根据检测视频的边界框个数实现计数并且实时显示在视频的左上角

yolov5人群计数及阀值报警.zip

05-21

对于给定的一幅图像或一段视频，通过目标检测算法，计算出其中的人数。基于yolov5 Coco预训练的person类人群计数，对于不大拥堵的室内外环境可以达到理想的实时效果. 由于之前的免费云要收费，已经更换新的限时...

YOLOV5/V7 实现图片、视频、摄像头标签数量统计

BABABSBC的博客

03-12

729

YOLO V5 推理输出预测框数量

yolov8添加计数功能

09-10

你好！如果你想在YOLOv8中添加计数功能，你可以按照以下步骤进行操作： 1. 检测目标：使用YOLOv8来检测你感兴趣的目标（例如行人、车辆等）。YOLOv8是一个目标检测模型，可以用于实时的目标检测任务。 2. 跟踪目标：一旦检测到目标，你可以使用目标跟踪算法（如卡尔曼滤波器、＊＊＊从而实现计数功能。你可以根据需要设置计数线或计数区域来定义计数的范围。请注意，这只是一种实现计数功能的常见方法之一。根据你的具体需求和场景，你可能需要进行一些自定义调整和改进。希望这能帮到你！如果你有任何其他问题，请随时提问。

“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