YOLOv5的检测代码（中文注释）

YOLOv5的部署请移步这里http://t.csdnimg.cn/29Jor

# -*- coding: utf-8 -*-
# YOLOv5 🚀 by Ultralytics, AGPL-3.0 license
"""
运行 YOLOv5 检测推理，适用于图像、视频、目录、globs、YouTube、网络摄像头、流等。

使用方法 - 数据源:
    $ python detect.py --weights yolov5s.pt --source 0                               # 网络摄像头
                                                     img.jpg                         # 图像
                                                     vid.mp4                         # 视频
                                                     screen                          # 截屏
                                                     path/                           # 目录
                                                     list.txt                        # 图像列表
                                                     list.streams                    # 流列表
                                                     'path/*.jpg'                    # glob
                                                     'https://youtu.be/LNwODJXcvt4'  # YouTube
                                                     'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP 流

使用方法 - 格式:
    $ python detect.py --weights yolov5s.pt                 # PyTorch
                                 yolov5s.torchscript        # TorchScript
                                 yolov5s.onnx               # ONNX 运行时或 OpenCV DNN 使用 --dnn
                                 yolov5s_openvino_model     # OpenVINO
                                 yolov5s.engine             # TensorRT
                                 yolov5s.mlmodel            # CoreML (仅限 macOS)
                                 yolov5s_saved_model        # TensorFlow SavedModel
                                 yolov5s.pb                 # TensorFlow GraphDef
                                 yolov5s.tflite             # TensorFlow Lite
                                 yolov5s_edgetpu.tflite     # TensorFlow Edge TPU
                                 yolov5s_paddle_model       # PaddlePaddle
"""

import argparse  # 导入命令行参数解析模块
import csv  # 导入CSV文件操作模块
import os  # 导入操作系统接口模块
import platform  # 导入用于获取操作系统信息的模块
import sys  # 导入系统模块
from pathlib import Path  # 导入路径操作模块

import torch  # 导入PyTorch模块

FILE = Path(__file__).resolve()  # 获取当前文件的绝对路径
ROOT = FILE.parents[0]  # 获取YOLOv5的根目录
if str(ROOT) not in sys.path:
    sys.path.append(str(ROOT))  # 将根目录添加到系统路径
ROOT = Path(os.path.relpath(ROOT, Path.cwd()))  # 获取根目录的相对路径

from ultralytics.utils.plotting import Annotator, colors, save_one_box  # 导入绘图工具

from models.common import DetectMultiBackend  # 导入模型后端选择工具
from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreams  # 导入数据加载工具
from utils.general import (
    LOGGER,  # 导入日志工具
    Profile,  # 导入性能分析工具
    check_file,  # 导入文件检查工具
    check_img_size,  # 导入图像尺寸检查工具
    check_imshow,  # 导入显示检查工具
    check_requirements,  # 导入依赖检查工具
    colorstr,  # 导入颜色字符串工具
    cv2,  # 导入OpenCV模块
    increment_path,  # 导入路径增量工具
    non_max_suppression,  # 导入非最大抑制工具
    print_args,  # 导入参数打印工具
    scale_boxes,  # 导入框缩放工具
    strip_optimizer,  # 导入优化器剥离工具
    xyxy2xywh,  # 导入坐标转换工具
)
from utils.torch_utils import select_device, smart_inference_mode  # 导入设备选择和智能推理模式工具

@smart_inference_mode()
def run(
    weights=ROOT / "yolov5s.pt",  # 模型权重路径或Triton服务器的URL
    source=ROOT / "data/images",  # 输入源路径，可以是文件、目录、URL、glob模式或屏幕截图
    data=ROOT / "data/coco128.yaml",  # 数据集配置文件路径
    imgsz=(640, 640),  # 推理时的图像尺寸（高度，宽度）
    conf_thres=0.25,  # 置信度阈值，用于过滤检测结果
    iou_thres=0.45,  # 非最大抑制（NMS）的IOU阈值
    max_det=1000,  # 每张图像的最大检测目标数
    device="",  # 指定运行设备，如CUDA设备（'0'或'0,1,2,3'）或CPU（'cpu'）
    view_img=False,  # 是否显示检测结果图像
    save_txt=False,  # 是否将检测结果保存为txt文件
    save_csv=False,  # 是否将检测结果保存为CSV格式文件
    save_conf=False,  # 是否在txt文件中保存置信度
    save_crop=False,  # 是否保存裁剪出的检测目标图像
    nosave=False,  # 是否不保存检测结果图像/视频
    classes=None,  # 指定需要检测的类别索引列表
    agnostic_nms=False,  # 是否使用类别不可知的NMS
    augment=False,  # 是否使用数据增强进行推理
    visualize=False,  # 是否可视化网络特征
    update=False,  # 是否更新所有模型
    project=ROOT / "runs/detect",  # 检测结果保存的项目目录
    name="exp",  # 在项目目录中的子目录名称
    exist_ok=False,  # 如果项目/名称已存在，是否覆盖
    line_thickness=3,  # 绘制边框的线条粗细
    hide_labels=False,  # 是否隐藏标签
    hide_conf=False,  # 是否隐藏置信度
    half=False,  # 是否使用半精度FP16进行推理
    dnn=False,  # 是否使用OpenCV DNN进行ONNX推理
    vid_stride=1,  # 视频帧处理的步长
):
    source = str(source)
    save_img = not nosave and not source.endswith(".txt")  # 判断是否保存推理图像
    is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS)  # 判断源是否为文件
    is_url = source.lower().startswith(("rtsp://", "rtmp://", "http://", "https://"))  # 判断源是否为URL
    webcam = source.isnumeric() or source.endswith(".streams") or (is_url and not is_file)  # 判断源是否为网络摄像头
    screenshot = source.lower().startswith("screen")  # 判断源是否为屏幕截图
    if is_url and is_file:
        source = check_file(source)  # 如果是URL且指向文件，则下载文件

    # 创建保存目录
    save_dir = increment_path(Path(project) / name, exist_ok=exist_ok)
    (save_dir / "labels" if save_txt else save_dir).mkdir(parents=True, exist_ok=True)

    # 加载模型
    device = select_device(device)
    model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half)
    stride, names, pt = model.stride, model.names, model.pt
    imgsz = check_img_size(imgsz, s=stride)  # 校验图像尺寸

    # 数据加载器
    bs = 1  # 批量大小
    if webcam:
        view_img = check_imshow(warn=True)
        dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride)
        bs = len(dataset)
    elif screenshot:
        dataset = LoadScreenshots(source, img_size=imgsz, stride=stride, auto=pt)
    else:
        dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride)
    vid_path, vid_writer = [None] * bs, [None] * bs

    # 运行推理
    model.warmup(imgsz=(1 if pt or model.triton else bs, 3, *imgsz))  # 预热模型
    seen, windows, dt = 0, [], (Profile(device=device), Profile(device=device), Profile(device=device))
    for path, im, im0s, vid_cap, s in dataset:
        with dt[0]:
            im = torch.from_numpy(im).to(model.device)
            im = im.half() if model.fp16 else im.float()  # 转换数据类型
            im /= 255  # 归一化图像数据
            if len(im.shape) == 3:
                im = im[None]  # 增加批次维度

        # 推理
        with dt[1]:
            visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False
            if model.xml and im.shape[0] > 1:
                pred = None
                for image in ims:
                    if pred is None:
                        pred = model(image, augment=augment, visualize=visualize).unsqueeze(0)
                    else:
                        pred = torch.cat((pred, model(image, augment=augment, visualize=visualize).unsqueeze(0)), dim=0)
                pred = [pred, None]
            else:
                pred = model(im, augment=augment, visualize=visualize)

        # 非最大抑制
        with dt[2]:
            pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)

        # 定义CSV文件路径
        csv_path = save_dir / "predictions.csv"

        # 创建或追加到CSV文件
        def write_to_csv(image_name, prediction, confidence):
            """将图像的预测数据写入CSV文件，如果文件存在则追加。"""
            data = {"Image Name": image_name, "Prediction": prediction, "Confidence": confidence}
            with open(csv_path, mode="a", newline="") as f:
                writer = csv.DictWriter(f, fieldnames=data.keys())
                if not csv_path.is_file():
                    writer.writeheader()
                writer.writerow(data)

        # 处理预测结果
        for i, det in enumerate(pred):  # 每张图像
            seen += 1
            if webcam:  # 如果是网络摄像头
                p, im0, frame = path[i], im0s[i].copy(), dataset.count
                s += f"{i}: "
            else:
                p, im0, frame = path, im0s.copy(), getattr(dataset, "frame", 0)

            p = Path(p)  # 转换为路径对象
            save_path = str(save_dir / p.name)  # 构建保存路径
            txt_path = str(save_dir / "labels" / p.stem) + ("" if dataset.mode == "image" else f"_{frame}")  # 构建文本文件路径
            s += "%gx%g " % im.shape[2:]  # 打印图像尺寸
            gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]  # 获取归一化增益
            imc = im0.copy() if save_crop else im0  # 如果保存裁剪，则复制图像
            annotator = Annotator(im0, line_width=line_thickness, example=str(names))
            if len(det):
                # 从图像尺寸调整边框到原始尺寸
                det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round()

                # 打印结果
                for c in det[:, 5].unique():
                    n = (det[:, 5] == c).sum()  # 每类的检测数量
                    s += f"{n} {names[int(c)]}{'s' * (n > 1)}, "  # 添加到字符串

                # 写入结果
                for *xyxy, conf, cls in reversed(det):
                    c = int(cls)  # 类别索引
                    label = names[c] if hide_conf else f"{names[c]}"
                    confidence = float(conf)
                    confidence_str = f"{confidence:.2f}"

                    if save_csv:
                        write_to_csv(p.name, label, confidence_str)

                    if save_txt:  # 写入文件
                        xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()  # 归一化xywh
                        line = (cls, *xywh, conf) if save_conf else (cls, *xywh)  # 标签格式
                        with open(f"{txt_path}.txt", "a") as f:
                            f.write(("%g " * len(line)).rstrip() % line + "\n")

                    if save_img or save_crop or view_img:  # 在图像上添加边框
                        c = int(cls)  # 类别索引
                        label = None if hide_labels else (names[c] if hide_conf else f"{names[c]} {conf:.2f}")
                        annotator.box_label(xyxy, label, color=colors(c, True))
                    if save_crop:
                        save_one_box(xyxy, imc, file=save_dir / "crops" / names[c] / f"{p.stem}.jpg", BGR=True)

            # 流式传输结果
            im0 = annotator.result()
            if view_img:
                if platform.system() == "Linux" and p not in windows:
                    windows.append(p)
                    cv2.namedWindow(str(p), cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO)  # 允许窗口调整大小（Linux）
                    cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0])
                cv2.imshow(str(p), im0)
                cv2.waitKey(1)  # 1毫秒

            # 保存结果（带检测框的图像）
            if save_img:
                if dataset.mode == "image":
                    cv2.imwrite(save_path, im0)
                else:  # 'video' 或 'stream'
                    if vid_path[i] != save_path:  # 新视频
                        vid_path[i] = save_path
                        if isinstance(vid_writer[i], cv2.VideoWriter):
                            vid_writer[i].release()  # 释放之前的视频写入器
                        if vid_cap:  # 视频
                            fps = vid_cap.get(cv2.CAP_PROP_FPS)
                            w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
                            h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
                        else:  # 流
                            fps, w, h = 30, im0.shape[1], im0.shape[0]
                        save_path = str(Path(save_path).with_suffix(".mp4"))  # 强制使用*.mp4后缀
                        vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
                    vid_writer[i].write(im0)

        # 打印时间（仅推理）
        LOGGER.info(f"{s}{'' if len(det) else '(no detections), '}{dt[1].dt * 1E3:.1f}ms")

    # 打印结果
    t = tuple(x.t / seen * 1e3 for x in dt)  # 每张图像的速度
    LOGGER.info(f"Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}" % t)
    if save_txt or save_img:
        s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if save_txt else ""
        LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}")
    if update:
        strip_optimizer(weights[0])  # 更新模型（以修复SourceChangeWarning）

def parse_opt():
    """解析命令行参数，设置 YOLOv5 检测的推理选项和模型配置。"""
    parser = argparse.ArgumentParser()
    parser.add_argument("--weights", nargs="+", type=str, default=ROOT / "yolov5s.pt", help="模型路径或 triton URL")
    parser.add_argument("--source", type=str, default=ROOT / "data/images", help="文件/目录/URL/glob/屏幕/0(网络摄像头)")
    parser.add_argument("--data", type=str, default=ROOT / "data/coco128.yaml", help="(可选) dataset.yaml 路径")
    parser.add_argument("--imgsz", "--img", "--img-size", nargs="+", type=int, default=[640], help="推理尺寸 h,w")
    parser.add_argument("--conf-thres", type=float, default=0.25, help="置信度阈值")
    parser.add_argument("--iou-thres", type=float, default=0.45, help="NMS IOU阈值")
    parser.add_argument("--max-det", type=int, default=1000, help="每张图像的最大检测数量")
    parser.add_argument("--device", default="", help="cuda 设备, 例如 0 或 0,1,2,3 或 cpu")
    parser.add_argument("--view-img", action="store_true", help="显示结果")
    parser.add_argument("--save-txt", action="store_true", help="保存结果到 *.txt")
    parser.add_argument("--save-csv", action="store_true", help="以CSV格式保存结果")
    parser.add_argument("--save-conf", action="store_true", help="在 --save-txt 标签中保存置信度")
    parser.add_argument("--save-crop", action="store_true", help="保存裁剪后的预测框")
    parser.add_argument("--nosave", action="store_true", help="不保存图像/视频")
    parser.add_argument("--classes", nargs="+", type=int, help="按类过滤: --classes 0, 或 --classes 0 2 3")
    parser.add_argument("--agnostic-nms", action="store_true", help="类别不可知的NMS")
    parser.add_argument("--augment", action="store_true", help="增强推理")
    parser.add_argument("--visualize", action="store_true", help="可视化特征")
    parser.add_argument("--update", action="store_true", help="更新所有模型")
    parser.add_argument("--project", default=ROOT / "runs/detect", help="将结果保存到 project/name")
    parser.add_argument("--name", default="exp", help="将结果保存到 project/name")
    parser.add_argument("--exist-ok", action="store_true", help="存在的 project/name 是可以的，不需要递增")
    parser.add_argument("--line-thickness", default=3, type=int, help="边框厚度 (像素)")
    parser.add_argument("--hide-labels", default=False, action="store_true", help="隐藏标签")
    parser.add_argument("--hide-conf", default=False, action="store_true", help="隐藏置信度")
    parser.add_argument("--half", action="store_true", help="使用 FP16 半精度推理")
    parser.add_argument("--dnn", action="store_true", help="使用 OpenCV DNN 进行 ONNX 推理")
    parser.add_argument("--vid-stride", type=int, default=1, help="视频帧率步长")
    opt = parser.parse_args()
    opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # 扩展
    print_args(vars(opt))
    return opt

def main(opt):
    """使用给定选项执行 YOLOv5 模型推理，运行模型前检查要求。"""
    check_requirements(ROOT / "requirements.txt", exclude=("tensorboard", "thop"))
    run(**vars(opt))

if __name__ == "__main__":
    opt = parse_opt()
    main(opt)