YOLOv7在detect.py中添加平均推理速度

最新推荐文章于 2024-12-18 11:08:25 发布

菜鸡想入门C++QAQ

最新推荐文章于 2024-12-18 11:08:25 发布

阅读量309

点赞数 3

文章标签： YOLO 目标检测论文笔记计算机视觉人工智能

本文链接：https://blog.csdn.net/weixin_44133371/article/details/137246900

版权

文章指导如何在detect.py文件中增加代码来测量推理时间，包括初始化计时器、累加单次推理时间并计算平均每张图片的推理时间，以提升代码性能监控的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在detect.py中添加：
代码第69行:t0 = time.time()下面一行中添加
在这里插入图片描述

tm = 0 #记录推理总时间
imgs_count = 0

然后在代码的第137行也就是代码print(f’{Done…下面一行添加
在这里插入图片描述

tm +=t2-t1

最后在代码第168行后边也就是代码print('fDone,(…后添加
在这里插入图片描述

print(f'per image inference: {tm / imgs_count * 1E3}ms')

才疏学浅，如有错误请指正！

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

菜鸡想入门C++QAQ

关注关注

3
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

YOLOv7如何提高目标检测的速度和精度，基于模型结构提高目标检测速度

学Java，找哪吒

04-23

5907

目标检测是计算机视觉领域中的一个重要任务，它的主要目标是在图像或视频中准确地定位和识别特定目标。

YOLOv5的Tricks | 【Trick13】YOLOv5的detect.py脚本的解析与简化

Clichong

08-10

8691

如有错误，恳请指出。在之前介绍了一堆yolov5的训练技巧，train.py脚本也介绍得差不多了。之后还有detect和val两个脚本文件，还想把它们总结完。在之前测试yolov5训练好的模型时，用detect.py脚本简直不要太方便，觉得这个脚本集成了很多功能，今天就分析源码一探究竟。关于如何使用yolov5来训练自己的数据集在之前已经写了一篇文章记录过：yolov5的使用 | 训练Pascal voc格式的数据集，所以在这篇文章中就主要分析源码，再稍微提及一下detect的可用参数。对于测试的都会存放在

参与评论您还未登录，请先登录后发表或查看评论

YOLOv7（目标检测）入门教程详解---检测，推理，训练

Oona_01的博客

03-29

1701

那么yolov7的检测，训练，推理的全部流程都已经可以实现了，但是这个是基于python环境下的，如果有特殊的需求需要在c++环境下去进行yolo检测的话，那就又另有一方折腾了，我会在之后的博客中说到如何在c++中去使用yolov7检测。训练数据用的是yolo数据格式，不过多了两个.txt文件，这两个文件存放的，是每个图片的路径，后面会具体介绍。我们已经获得了自己训练出来的权重了，那么这个时候推理，其实跟之前检测的道理是一样的，唯一变换的就是我们的权重文件和自己检测的照片。

目标检测Tricks——计算YOLOV7中的推理时间，FPS

m0_61880163的博客

09-07

2493

【代码】目标检测Tricks——计算YOLOV7中的推理时间，FPS。

YOLOv7：更快更准的实时目标检测框架

gitblog_00026的博客

03-20

602

YOLOv7：更快更准的实时目标检测框架项目地址:https://gitcode.com/gh_mirrors/yo/yolov7 项目简介是由 Wong Kin Yiu 开发的一个最新的目标检测模型，它是 YOLO (You Only Look Once) 系列的最新迭代版本。YOLO 系列以其高效和实时的特性，在计算机视觉领域广受赞誉，而 YOLOv7 则在速度与精度之间达到了新的平衡点。...

深入解析YOLOv7，从原理到操作：体验精度、速度与多任务检测的完美平衡

热门推荐

CharmsLUO的博客

03-12

9万+

yolov5——detect.py代码【注释、详解、使用教程】根据目前的最新版本的yolov5代码做出注释和详解以及使用教程，对了目前已经是v6,不知道你看博客的时候是什么版本呢，总的来说越来越先进越来越完善，越来越适合无脑啊哈哈哈，没你说哈IIII detect.py代码注释详解 1. 函数parse_opt（） def parse_opt(): """ weights: 训练的权重路径,可以使用自己训练的权重,也可以使用官网提供的权重默认官网的权重yolov5s.pt(yo

【YOLOV5 入门】——detect.py简单解析&模型检测&基于torch.hub的检测方法

weixin_51658186的博客

03-28

5327

我用YOLOv5与名侦探柯南邂逅！基于torch.hub的检测方法是一种利用PyTorch Hub的功能来进行目标检测任务的方法。在进行目标检测时，可以通过函数来加载PyTorch Hub中提供的目标检测模型，然后利用加载的模型进行目标检测任务。

yolov5的detect.py的详细讲解

m0_63251896的博客

03-05

763

yolov5的detect.py的详细讲解。

YOLOV5检测代码detect.py注释与解析

Q1u1NG的博客

08-19

6万+

YOLOV5检测代码detect.py注释与解析检测参数以及main函数解析detect函数解析本文主要对ultralytics\yolov5-v2.0版本的测试代码detect.py的解析，现在v5已经更新了-v3.0版本, 但该代码部分基本上不会有很大的改动，故以下注释与解析都是适用的；当然如果有大改动，笔者也会更新注释。检测参数以及main函数解析 if __name__ == '__main__': """ weights:训练的权重 source:测试数据，可以是图片/

YOLOv7改进：RCS-YOLO | 比YOLOv7精度提高了2.6%，推理速度提高了60%

会AI的学姐

11-01

427

RCS-YOLO ，引入了RCS和一种One-Shot Aggregation of RCS (RCS-OSA)技术，将特征级联和计算效率相结合

干货 | YOLOv7目标检测论文解读与推理演示

Color Space的博客

08-13

5646

本文主要介绍简化的YOLOv7论文解读和推理测试以及YOLOv7与 YOLO系列的其他目标检测器的比较。

YOLOv5 vs YOLOv6 vs YOLOv7目标检测模型速度和准确度的性能比较——深入研究

DT程序员的博客

05-20

2159

YOLOv5、YOLOv6 和 YOLOv7系列模型模型在平均精度 (mAP) 方面的准确性；以每秒帧数 (FPS) 表示的推理速度；使用的 GPU 类型

YOLOv7详解：实时目标检测新标杆 | Chien-Yao Wang团队与Alexey团队倾力打造

Admiral_x的博客

07-09

4456

YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于Transformer的检测器 SWIN-L Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）的速度和准确度分别高出 509% 和 2%，并且比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度提高 551%，准确率提高 0.7%，以及 YOLOv7 的表现还优于：YOLOR、YOLOX、Scaled-YOLOv

YOLOv7：基于免费包的可训练的最先进的实时目标检测器

白色涟漪裙

12-14

2915

YOLOv7：基于免费包的可训练的最先进的实时目标检测器

YOLOV7

TJMtaotao的博客，高校计算机教师

07-17

4927

目标检测，YOLOV7

极智Paper | YOLOv7 更高更快更强

极智视界

09-01

1564

大家好，我是极智视界，本文解读一下更高、更快、更强的 YOLOv7：Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors。

YOLOv7来临：论文解读附代码解析

chenxiangrong的博客

07-08

2万+

官方版的YOLOv7相同体量下比YOLOv5精度更高，速度快120%（FPS），比 YOLOX 快180%（FPS），比 Dual-Swin-T 快1200%（FPS），比 ConvNext 快550%（FPS），比 SWIN-L快500%（FPS）。在5FPS到160FPS的范围内，无论是速度或是精度，YOLOv7都超过了目前已知的检测器，并且在GPU V100上进行测试，精度为56.8% AP的模型可达到30 FPS（batch=1）以上的检测速率，与此同时，这是目前唯一一款在如此高精度下仍能超过3

YOLOv5，YOLOv6，YOLOv7在TensorRT推理速度比较

hllyzms的博客

11-23

2997

yolov5s模型是最小的，速度最快当之无愧，在精度方面跟YOLOv6s、YOLOv7-tiny、YOLOv7只有细微差异。然后综合我这两天完成这件事在YOLOv6、YOLOv7上遇到各种坑，我只能说搞工程选YOLOv5就对了，其他的都是嘴炮！工程化做的都是一塌糊涂，还有很大的改进空间。搞工程还是要脚踏实地，嘴炮一时爽，落地就死亡！

yolov7中detect.py和test.py的区别

05-27

在 YOLOv7 中，`detect.py` 和 `test.py` 都是用于模型推理的脚本，但是它们的功能略有不同。 `detect.py` 是 YOLOv7 官方提供的推理脚本，主要功能是对单张图片或视频进行目标检测。它支持多种输入格式，如图片、视频和摄像头视频流，并可以将检测结果保存为图片或视频。 `test.py` 则是一个更加通用的推理脚本，它不仅支持目标检测，还支持语义分割、实例分割等任务。同时，它也支持多种模型框架，如 PyTorch、TensorFlow 等。`test.py` 可以对一个目录下的图片或视频进行推理，并将结果保存为图片或视频。因此，`detect.py` 更加专注于 YOLOv7 的目标检测功能，而`test.py` 则更加通用，可以适用于多种场景和模型框架。