pytorch inference_detector函数使用

函数输入两个参数：

        ① model: init_detector  返回的结果

        ② imgs: 图像的路径

返回的结果：

        result: 存储模型识别信息

result  =  inference_detector(model, imgs)

reslt详解：

        result 的大小，与模型的输出类别有关。

        例：识别两种类别 ① normal  ② abnormal

        则result里的内容为：

        <class 'list'>: [array([])], array([])]      #为了便于理解，这里array里内容进行了省略。

        其中每一个array 与类别相对应。第一个array 对应 normal  第二个 array  对应 abnormal

        array中则存储位置和得分信息。array[[x,y,w,h,sorce],[]]  

        其中array里每一个[]都代表识别到了该种类型。[]包含5个参数，前四个参数代表位置信息，最后一个参数代表检测得分。

通用代码段：

class_dic = ['normal','abnormal']

result = inference_detector(model, imgs)
for i in range(len(class_dic)):
    sores = result[i][:, -1]
    if len(sores) > 0:
        for num_Index in range(len(sores)):
            score_ = round(sores[num_Index], 3)
                if score_ > 0.2 and class_dic[i] == 'normal':
                    pass

备注： result[0]  代表normal类识别结果    result[0][:,-1] 代表取出最后一列。