yolov5中detect.py某些参数的pycharm使用

weixin_51287642

已于 2022-06-15 16:38:50 修改

阅读量839

点赞数 1

文章标签： pycharm python pytorch

于 2022-06-15 16:32:23 首次发布

本文链接：https://blog.csdn.net/weixin_51287642/article/details/125299451

版权

该博客详细解析了基于YoloV5的物体检测代码，包括权重加载、图像预处理、数据集配置、预测参数设置及结果保存等方面。重点讨论了如何调整参数以优化检测效果，如输入图像大小、置信度阈值和最大检测数。同时，代码展示了如何在图像上绘制检测框并保存裁剪区域。

摘要由CSDN通过智能技术生成

weights=ROOT / ‘yolov5s.pt’, # model.pt path(s)# 权重文件地址默认 weights/可以是自己的路径!!!

parser.add_argument('--weights', nargs='+', type=str, default=ROOT / r'D:\\project1\\AiTools\\yolov5-6.0\\runs\\train\\whiteKBlittle2\\weights\\best.pt', help='model path(s)')

source=ROOT / ‘data/images’, # file/dir/URL/glob, 0 for webcam 0 自带电脑摄像头，默认data/images/选择预测的图片的路径!!!

parser.add_argument('--source', type=str, default=ROOT / r'D:\\project1\\AiTools\\data\\A4\\yolodata\\images', help='file/dir/URL/glob, 0 for webcam')

data=ROOT / ‘data/coco128.yaml’, #dataset.yaml path, data文件路径，包括类别/图片/标签等信息!!!

parser.add_argument('--data', type=str, default=ROOT / r'D:\\project1\\AiTools\\yolov5-6.0\\data\\White_KB_A4.yaml', help='(optional) dataset.yaml path')

imgsz=640, # inference size (pixels) 输入图片的大小默认640*640!!!

parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[256], help='inference size h,w')

conf_thres=0.25, # confidence threshold# object置信度阈值默认0.25 用在nms中!!!

parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')

max_det=1000, # maximum detections per image 每张图片最多的目标数量用在nms中!!!

parser.add_argument('--max-det', type=int, default=30, help='maximum detections per image')

project=ROOT / ‘runs/detect’, # save results to project/name 保存测试日志的文件夹路径!!!

parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')

name=‘exp’, # save results to project/name 每次实验的名称!!!

parser.add_argument('--name', default='exp', help='save results to project/name')

line_thickness=3, # bounding box thickness (pixels) 画框的线条粗细!!!

parser.add_argument('--line-thickness', default=1, type=int, help='bounding box thickness (pixels)')

检测框代码如下：

if save_img or save_crop or view_img:  # Add bbox to image
    c = int(cls)  # integer class
    label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}')
    annotator.box_label(xyxy, label, color=colors(c, True))
    if save_crop:
        save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True)