首先执行扩展包的导入：
import argparse
import os
import platform
import sys
from pathlib import Path
import torch
FILE = Path(__file__).resolve() #获取detect.py在电脑中的绝对路径
ROOT = FILE.parents[0] # 获取detect.py的父目录（绝对路径）
if str(ROOT) not in sys.path: # 判断detect.py的父目录是否存在于模块的查询路径列表
sys.path.append(str(ROOT)) # add ROOT to PATH
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # 将绝对路径转换为相对路径
from models.common import DetectMultiBackend
from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreams
from utils.general import (LOGGER, Profile, check_file, check_img_size, check_imshow, check_requirements, colorstr, cv2,
increment_path, non_max_suppression, print_args, scale_boxes, strip_optimizer, xyxy2xywh)
from utils.plots import Annotator, colors, save_one_box
from utils.torch_utils import select_device, smart_inference_mode
包导入完成之后，执行最下面的这段代码：
if __name__ == '__main__':
opt = parse_opt() #解析参数
main(opt)
#这段代码用到了parse_opt()这个函数，它的功能主要是解析参数，主要参数解析如下：
"""
--weights:权重的路径地址
--source:测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流
--output:网络预测之后的图片/视频的保存路径
--img-size:网络输入图片大小
--conf-thres:置信度阈值
--iou-thres:做nms的iou阈值
--device:是用GPU还是CPU做推理
--view-img:是否展示预测之后的图片/视频，默认False
--save-txt:是否将预测的框坐标以txt文件形式保存，默认False
--classes:设置只保留某一部分类别，形如0或者0 2 3
--agnostic-nms:进行nms是否也去除不同类别之间的框，默认False
--augment:推理的时候进行多尺度，翻转等操作(TTA)推理
--update:如果为True，则对所有模型进行strip_optimizer操作，去除pt文件中的优化器等信息，默认为False
--project：推理的结果保存在runs/detect目录下
--name：结果保存的文件夹名称
"""
该部分来源于博主“炮哥带你学”——‘目标检测---教你利用yolov5训练自己的目标检测模型’一文，
原文地址：https://blog.csdn.net/didiaopao/article/details/119954291?spm=1001.2014.3001.5502
在parse_opt()执行完成之后，会将opt传给函数main()：
def main(opt):
check_requirements(exclude=('tensorboard', 'thop')) #检测中的扩展包是否安装
run(**vars(opt))
main()函数中调用了函数run()，run()主要代码解析如下：
run()主要分为了六个部分：
1.处理预测路径
#处理预测路径
source = str(source) #将路径转为字符串类型（data\\images\\bus.jpg）
save_img = not nosave and not source.endswith('.txt') # 保存预测结果
#suffix函数表示文件类型，suffix[1:]表示从.jpg中截取jpg，然后判断jpg是否位于(IMG_FORMATS + VID_FORMATS)中
is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS)
#判断路径是否为网络流的格式（lower()作用是将字母全部转换为小写）
is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://'))
#判断路径是否为‘0’（如果为‘0’会打开电脑摄像头），是否是.streams文件格式，是否是网络流地址
webcam = source.isnumeric() or source.endswith('.streams') or (is_url and not is_file)
screenshot = source.lower().startswith('screen')
if is_url and is_file:
source = check_file(source) # download，下载图片或视频
2.新建保存结果的文件夹
#Directories，新建保存结果的文件夹
#增量式地产生文件夹（exp,exp1,exp2...)
save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run
#在exp文件夹下新建labels文件夹
(save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir
3.加载模型的权重
#Load model，加载模型的权重
device = select_device(device) #选择加载模型的设备
#加载模型并从模型中读取一些信息
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) # check image size
4.加载待预测的图片
#Dataloader，加载待预测的图片
bs = 1 # batch_size
if webcam: #根据‘处理预测路径’代码部分得webcam一般为false
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: #根据‘处理预测路径’代码部分得screenshot一般为false
dataset = LoadScreenshots(source, img_size=imgsz, stride=stride, auto=pt)
else: #加载图片
dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride)
vid_path, vid_writer = [None] * bs, [None] * bs
5.执行模型的推理过程
#Run inference，执行模型的推理过程
#warmup初始化一张空白图片并传入到模型当中，让模型执行一次前向传播
model.warmup(imgsz=(1 if pt or model.triton else bs, 3, *imgsz)) # warmup
seen, windows, dt = 0, [], (Profile(), Profile(), Profile()) #定义变量存储中间结果信息
#path:路径 im:处理后的图片 im0s:原图 vid_cap:none s:图片的打印信息
for path, im, im0s, vid_cap, s in dataset:
with dt[0]:
im = torch.from_numpy(im).to(model.device) #将im转化为pytorch支持的格式并放到设备中
im = im.half() if model.fp16 else im.float() # uint8 to fp16/32
im /= 255 # 0 - 255 to 0.0 - 1.0 #归一化
if len(im.shape) == 3:
im = im[None] # expand for batch dim
# Inference，对上面整理好的图片进行预测
with dt[1]:
visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False
pred = model(im, augment=augment, visualize=visualize)
# NMS，进行非极大值过滤
with dt[2]:
pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)
# Second-stage classifier (optional)
# pred = utils.general.apply_classifier(pred, classifier_model, im, im0s)
# Process predictions
for i, det in enumerate(pred): # 遍历每张图片
seen += 1
if webcam: # batch_size >= 1
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) # to Path
save_path = str(save_dir / p.name) # im.jpg
txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt
s += '%gx%g ' % im.shape[2:] # print string
gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] #获取原图宽和高
imc = im0.copy() if save_crop else im0 #判断是否将检测框部分裁剪下来
annotator = Annotator(im0, line_width=line_thickness, example=str(names)) #定义绘图工具
if len(det):
#坐标映射，方便在原图上画检测框
det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round()
# 遍历det
for c in det[:, 5].unique():
n = (det[:, 5] == c).sum() # detections per class
s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string
# 是否保存预测结果
for *xyxy, conf, cls in reversed(det):
if save_txt: # 保存为txt
xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh
line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format
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: # 只在图片上添加检测框
c = int(cls) # integer class
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: #是否保存截下来的目标框
save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True)
# Stream results
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) # allow window resize (Linux)
cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0])
cv2.imshow(str(p), im0)
cv2.waitKey(1) # 1 millisecond
# Save results (image with detections)
if save_img:
if dataset.mode == 'image':
cv2.imwrite(save_path, im0)
else: # 'video' or 'stream'
if vid_path[i] != save_path: # new video
vid_path[i] = save_path
if isinstance(vid_writer[i], cv2.VideoWriter):
vid_writer[i].release() # release previous video writer
if vid_cap: # video
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: # stream
fps, w, h = 30, im0.shape[1], im0.shape[0]
save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos
vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
vid_writer[i].write(im0)
# Print time (inference-only)
LOGGER.info(f"{s}{'' if len(det) else '(no detections), '}{dt[1].dt * 1E3:.1f}ms")
6.打印输出信息
#Print results，打印输出信息
t = tuple(x.t / seen * 1E3 for x in dt) # 统计每张图片的平均时间
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]) # update model (to fix SourceChangeWarning)
3477
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
