在yolov5源码基础上修改，只识别一种类别

方法一（推荐）

如上图所示，在detect.py文件中，第73行为模型正向传播推理得到的结果，75行是模型正向传播后传入到函数non_max_suppression中，该函数为非极大值抑制函数，得到了我们最终想要的tensor数组，之后的处理为画图等操作。
如果想要调用官方给的模型文件进行推理，并且只得到一个类别，我们需要写一个函数，之后调用它即可。
函数如下：

def cls_filtration(prediction, classid):
    '''
    输入非极大值抑制后的结果，输入要过滤的类别名称
    输出过滤classname后的结果
    '''
    xc = prediction[0][..., 5] == classid
    for xi, x in enumerate(prediction):
        x = x[xc]

        if not x.shape[0]:
            continue
    x = [x]
    return x

该函数传入参数为prediction和classid，其中prediction为非极大值抑制后的tensor数组，实际上是一个列表，如下所示，这种格式的tensor数组

[tensor[[0,1,2,3,4,5],
		[0,1,2,3,4,5],
		...,
		[0,1,2,3,4,5]]
]

其中第6列为classid号，我们只需要判断它是否为我们想要过滤的classid即可。
不要忘了最后得到的结果再放进列表中，否则需要对源码进行修改。
如图所示，在该处调用写好的函数即可。其他不需要进行任何修改。

注：推荐使用该方法，因为我们得到的数组正是我们想要的数组，我们在后续的工作中很可能会用到该数组。当然也可以做一个修改，过滤出多种类别。

方法二

该方法比较简单，只需要在画图过程中，过滤即可
修改前：

修改后：

不过我们不推荐这种，它只是在画图中把其他框过滤掉了，没有解决根本问题。