目标检测——使用yolov6进行视频推理

最新推荐文章于 2024-08-15 20:44:29 发布

不变强不改名

最新推荐文章于 2024-08-15 20:44:29 发布

阅读量1.9k

点赞数 2

分类专栏：目标检测文章标签：计算机视觉目标检测 pytorch

本文链接：https://blog.csdn.net/m0_58772523/article/details/125465063

版权

本文介绍了如何在YOLOv6框架下，通过修改源码将原本用于图片推理的功能扩展到视频推理。主要涉及对`inferer.py`文件的改动，包括创建`infer_video`和`process_video`两个新函数，以实现对视频帧的处理和目标检测。

摘要由CSDN通过智能技术生成

yolov6源码里自带了图片的推理，推理完成后结果图片保存再runs/inference文件夹下；

但当我们想对视频进行推理的时候不是很方便，但v6里面封装了对图片的推理函数，我们只需要稍微改一下即可。

默认的图片推理代码如下：

    inferer = Inferer(source, weights, device, yaml, img_size, half)
    inferer.infer(conf_thres, iou_thres, classes, agnostic_nms, max_det, save_dir, save_txt, save_img, hide_labels, hide_conf)

我们只需要基于图片的infer代码，修改出一个infer_video接口即可：

找到inferer.py，定义两个新函数，其实就是复制infer和process_image函数并略微修改

1. infer_video

    def infer_video(self, cap, conf_thres, iou_thres, classes, agnostic_nms, max_det, save_dir, save_txt, save_img, hide_labels, hide_conf):
        cv2.namedWindow("test", cv2.WINDOW_NORMAL)
        while True:
            r, frame = cap.read()
            if not r:
                break
            else:
                img, img_src = self.precess_video(frame, self.img_size, self.stride, sel