yolov5 最简单的测试代码

最简单的测试代码

下载好yolov5,安装好环境后,拥有权重文件,修改自己的路径,即可使用。

#
import torch
import cv2

# 加载:'./yolov5'文件夹路径、'custom'自定义的加载模式、权重文件路径、'local'本地加载
model = torch.hub.load('./yolov5', 'custom', path='./weights/ppe_yolo_n.pt', source='local')

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()

    # 转为RGB
    img_cvt = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # 推理
    results = model(img_cvt)
    # 查看内容 转为numpy格式
    pd = results.pandas().xyxy[0].to_numpy()

    # 遍历每个类别
    for box in pd:
        x, y, w, h = box[:4].astype('int')
        label_id = box[5]
        cv2.rectangle(frame, (x, y), (w, h), (0, 255, 0), 5)

        cv2.imshow('demo', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
引用\[1\]:这里给出如何使用Detector_YOLOv5类对图像进行目标检测。首先加载模型,然后创建检测器实例。接着,读取图像,执行检测并可视化结果(在图像上绘制边界框、类别标签和置信度)。最后,将标注后的图像保存到文件。这里讲解如何使用已经训练好的YOLOv5 ONNX模型进行目标检测。首先加载模型并创建检测器实例: model = './yolov5s_no.onnx'; % 模型位置 yolov5 = Detector_YOLOv5(model, 'networks_yolov5sfcn'); \[1\] 引用\[2\]:(2)YOLOv5训练代码和测试代码(Pytorch) 整套YOLOv5项目工程的训练代码和测试代码支持高精度版本yolov5s训练和测试支持轻量化版本yolov5s05_320和yolov5s05_416训练和测试项目源码自带训练好的模型文件,可直接运行测试Demo根据本篇博文说明,简单配置即可开始训练 \[2\] 引用\[3\]:本文详细介绍了YOLOv5目标检测算法的原理、网络结构及其在实际应用中的优化方法。YOLOv5作为一个高效、实时的目标检测算法,在各种场景中都表现出较好的性能。首先介绍了YOLOv5的背景知识,包括YOLO系列算法的发展历程和YOLOv5相较于前代算法的改进。接着,详细阐述了YOLOv5的网络结构和损失函数设计,并通过实际代码实现展示了如何使用YOLOv5进行目标检测。最后,讨论了针对实际应用场景的优化方法,以提高YOLOv5在各种场景中的目标检测能力。总的来说,YOLOv5是一个值得学习和应用的目标检测算法。通过对其进行一定程度的调整和优化,可以使其更好地满足实际应用场景的需求,提高目标检测的效果和效率。\[3\] 回答: 如果你想让YOLOv5代码只检测一类目标,你可以在训练阶段将其他类别的标注信息从数据集中移除,只保留你想要检测的类别的标注信息。这样,在训练过程中,模型就只会学习和预测这一类目标。另外,你还可以在测试阶段,只保留你感兴趣的类别的预测结果,忽略其他类别的预测结果。这样就可以实现只检测一类目标的效果。具体的实现方法可以参考YOLOv5的训练代码和测试代码,根据你的需求进行相应的修改和调整。\[2\] #### 引用[.reference_title] - *1* *3* [基于YOLOv5的目标检测系统详解(附MATLAB GUI版代码)](https://blog.csdn.net/qq_32892383/article/details/130472314)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)](https://blog.csdn.net/guyuealian/article/details/128099672)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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 1
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

打赏作者

默执_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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