【学习笔记】-Yolov5-分装代码的简单案例

Yolov5-分装代码的简单案例（Mac系统）

Yolov5-执行命令参数总结

原因：

原始检测代码过多，在对代码进行封装或嵌入可视化界面中过于复杂。因此通过基于torch.hub的方式对代码进行处理。

执行环境：

1、通过pycharm打开Yolov5-7.0的文件夹（pycharm方便管理，也可以继续在terminal中cd到对应的文件夹下并处于yolov5对应的虚拟环境下执行）
2、在与detect.py的同级目录下创建hub_detect.py

对应代码及解释

在hub_detect.py下插入如下代码

import torch
model = torch.hub.load("./","yolov5s",source="local")
img = ("./data/images/zidane.jpg")
results = model(img)
results.show()

1. import torch：导入PyTorch库。

2. model = torch.hub.load("./","yolov5s",source="local")：从本地路径"./"加载名为"yolov5s"的预训练模型。./的路径实际上是用于调用hubconf.py

3. img = ("./data/images/zidane.jpg")：定义一个变量img，其值为图片"zidane.jpg"的路径。

4. results = model(img)：将加载的模型应用于图片，进行目标检测。结果保存在变量results中。

5. results.show()：显示检测结果。这通常是一个图像，其中包含了原始图像和检测到的目标的边界框。

易错点及注意事项

hub_detect.py的文件位置不同会导致img = ("./data/images/zidane.jpg")以及 model = torch.hub.load("./","yolov5s",source="local")在调用时报错，这里涉及到了相对路径和绝对路径的概念。如果该位置报错，大概率是路径问题倒是系统无法知道正确的文件。