YOLOv5相关三个小技巧
1.训练自己的数据运行改变输出检测框颜色、粗细、标签颜色
utils.plots.py中修改检测框颜色和标签文字颜色
2.输出网络的相关参数
包括所有层数量, 模型总参数量, 需要求梯度的总参数量, img_size大小的model的浮点计算量GFLOPs
直接运行models.yolo.py即可输出相关参数(通过torch_utils.py中的model_info(调用torch_utils.py中的profile)输出模型的相关参数)
3.利用摄像头检测相关目标程序
import time
import cv2
import numpy as np
import torch
from models.experimental import attempt_load
from utils.datasets import letterbox
from utils.general import check_img_size, non_max_suppression, scale_coords, xyxy2xywh, set_logging, check_requirements
from utils.plots import colors, plot_one_box
from utils.torch_utils import select_device, time_synchronized
@torch.no_grad()
def detect(
# --------------------这里更改配置--------------------
# ---------------------------------------------------
weights='runs/train/exp1/weights/best.pt', # 训练好的模型路径 (必改)
imgsz=640, # 训练模型设置的尺寸 (必改)416/640
cap=0, # 摄像头
conf_thres=0.25, # 置信度
iou_thres=0.45, # NMS IOU 阈值
max_det=1000, # 最大侦测的目标数
device='0', # 设备gpu编号0,1,2,...
crop=True, # 显示预测框
classes=None, # 种类
agnostic_nms=False, # class-agnostic NMS
augment=False, # 是否扩充推理
half=False, # 使用FP16半精度推理
hide_labels=False, # 是否隐藏标签
hide_conf=False, # 是否隐藏置信度
line_thickness=2 # 预测框的线宽
)