YOLOv5相关三个小技巧

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=