关于Yolov7测试后不会描框的解决办法！

最新推荐文章于 2023-11-14 21:12:15 发布
最新推荐文章于 2023-11-14 21:12:15 发布
阅读量1.7k 收藏 14
点赞数 8
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52825437/article/details/129152154
版权

项目场景：

关于Yolov7测试后不会描框的解决办法！

问题描述

对于输出结果的图片没有框这个问题困扰我很久，同时也搜寻了很多解决方法但都没有用，附上解决方法~

目前的情况就是，使用CPU没问题，可以正常描框，GPU就不行
在这里插入图片描述
显示是成功的，但是图片是不行的
在这里插入图片描述

解决方案：

修改detect.py代码即可

在这里插入图片描述
将原来detect.py文件中的31行half = device.type != 'cpu' # half precision only supported on CUDA注释
换成half = False，然后保存，再次运行，即可！

在这里插入图片描述

一个不会射日的后羿
关注
  • 8
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
关于yolov5+deepsort目标追踪没有检测框的问题
qq_53545309的博客
04-15 203
【代码】关于yolov5+deepsort目标追踪没有检测框的问题。
Darknet-Yolov3不显示检测框问题汇总
Andrwin的博客
04-09 3868
最开始试了https://github.com/AlexeyAB/darknet 可惜在2020年以后改成了CUDA10支持的，9系显卡上cuda10没法对上显卡驱动 然后试了https://pjreddie.com/ 无非就是 git clone https://github.com/pjreddie/darknet.git 拖不下来去码云 cd darknet 改makefile, ...
YOLOv7检测不出框问题：已解决
小嘤熊的博客
11-14 1359
在YOLOv7中，detect.py不出检测框原因分析：由于NVIDIA 官方的一些软件问题，导致了PyTorch里面一些CUDA代码有些问题，就是fp16（float16）数据类型在卷积等一些运算的时候会出现nan值。导致了训练时候出现了nan值。会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！如果你想要进一步了解更多的相关知识，在detect.py中把。这样就可以解决问题啦！
YOLO V7 detect.py运行后图像没Bounding Box问题解决方案
QAQterrible的博客
10-17 1596
YOLO V7 detect.py运行后图像没效果问题解决方案
yolov7训练模型结果没有框
Zeng999212的博客
10-26 5870
yolo训练结果图没有框
yolov7 通过自己的数据集训练出best.pt，但是执行detect.py时检测目标图片，不出现锚框。但是我用自带的yolov7.pt就可以出现，请教一下大家。
qq_26420885的博客
01-13 2148
yolov7 通过自己的数据集训练出best.pt，但是执行detect.py时检测目标图片，不出现锚框。但是我用自带的yolov7.pt就可以出现，请教一下大家。
yolov5 训练模型预测没有框？mAP为零？
为了看别人写的博客，不得不注册账号，为此，开始了自己的博客之旅。
04-15 1万+
yolov5 的预测结果都没有框，小白可以参考一下 。warnings.warn("Detected call of `lr_scheduler.step()` before `optimizer.step()`. "
YOLO系列检测时没有预测框输出的解决办法
weixin_51279993的博客
10-15 5296
YOLO系列检测时没有预测框输出的解决办法
【YOLOv7调整detect.py】1.调整检测框粗细，2.设定标签颜色，3.只显示与标签数目相同的检测结果
孟孟单单的博客
07-08 3350
的位置，本节更改是实现。的大小即可，例如改为。
yolov7论文及解读
04-23
YOLOv7是由YOLO系列算法的原创团队精心研发的新一代目标检测模型，目标是提升检测速度和准确率，同时适应从边缘设备到云端的移动GPU。据论文介绍，YOLOv7在5到160 FPS的帧率范围内，无论速度还是精度均超越了已知的...
yolov7裁剪检测框内图像
11-03
裁剪检测出来的目标区域的图像
yolov7-tiny在瑞芯微rk3588上测试运行结果
09-07
1、运行时间测试 2、多core运行与单core运行时间分析 3、图优化分析
YOLOV7 测试应用例子
08-24
图片放在my_data的image下，xml放在Annotations下（最终是要转为txt，用xml_txt.py转），txt放labels下。训练命令放在使用说明内。
YOLOv7车牌和人脸识别+检测模型+数据集
04-16
YOLOv7车牌和人脸识别，含训练好的检测权重，以及PR曲线，loss曲线等等，map达90% 多可检测出车牌的位置，司机脸部区域，是否戴口罩，但不能识别具体的车牌号码。附有一万张车牌人脸检测数据集，有下载链接，标签...
yolov7 测试不出检测框
shuaijieer的博客
10-08 2202
把device默认改为‘cpu’如果显卡是1660，
Yolov5训练模型没有框
Yang_hyeokyean的博客
08-23 3188
今天在train.py上跑了自己的数据和权重，拿到detect.py上运行的时候可以正常跑，但是始终没有anchor，并且提示no detections。然后又拿官方的权重试了下发现可以正常anchor，所以怀疑是自己权重文件的问题，决定重新跑。
【YOLO】训练voc数据集没有框？？解决方法
热门推荐
shangpapa3的博客
07-28 1万+
yolo训练voc数据集，没有框，解决方法
YOLOv7环境安装及训练时的一些报错及解决方法
Tiger_DAHE的博客
04-08 1937
作者在实验的时候遇到了很多困难，写在这里希望能帮到更多人
Yolov3训练模型没有框（理论上一定有用的解决方案）
Nire_Yeyu的博客
04-08 1万+
问题描述 不知道有多少人遇到过和我一样的情况，这个问题困扰了我很长时间，这里特别做一下笔记。 本人在Windows10环境下，使用Pycharm进行模型训练。训练的时候一切正常，loss值也有明显下降，但是在使用模型的时候发现与预料结果截然不同。 训练结果如下图： 图片中并没有出现锚框。 解决方案 既然是Yolo模型，那么你的代码中肯定有一部分是用来描述产生锚框的条件的。 每个人的代码不同，但...
yolov7预测跨框取消
最新发布
11-21
yolov7中的跨框取消（cross-box elimination）是一种用于去除重复检测的技术。在yolov7中，跨框取消是通过计算两个边界框之间的IoU（交并比）来完成的。如果两个边界框之间的IoU大于一定的阈值，则将IoU较小的边界框删除。这个阈值可以通过调整来控制跨框取消的严格程度。 要在yolov7中实现跨框取消，可以按照以下步骤进行操作： 1.在yolov7的配置文件中，找到nms_kind参数，并将其设置为diou，这将启用跨框取消。 2.在配置文件中，找到nms_threshold参数，并将其设置为跨框取消的IoU阈值。通常情况下，这个值可以设置为0.6或0.7。 3.运行yolov7模型进行预测时，跨框取消将自动应用于检测结果中。 下面是一个示例代码，展示了如何在yolov7中使用跨框取消： ```python import cv2 import numpy as np # 加载yolov7模型 net = cv2.dnn.readNet("yolov7.weights", "yolov7.cfg") # 加载类别标签 classes = [] with open("coco.names", "r") as f: classes = [line.strip() for line in f.readlines()] # 加载测试图像 img = cv2.imread("test.jpg") # 将图像转换为blob格式 blob = cv2.dnn.blobFromImage(img, 1/255.0, (416, 416), swapRB=True, crop=False) # 将blob输入到yolov7模型中进行预测 net.setInput(blob) outs = net.forward(net.getUnconnectedOutLayersNames()) # 解析预测结果 class_ids = [] confidences = [] boxes = [] for out in outs: for detection in out: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > 0.5: center_x = int(detection[0] * img.shape[1]) center_y = int(detection[1] * img.shape[0]) w = int(detection[2] * img.shape[1]) h = int(detection[3] * img.shape[0]) x = center_x - w // 2 y = center_y - h // 2 class_ids.append(class_id) confidences.append(float(confidence)) boxes.append([x, y, w, h]) # 应用跨框取消 indices = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.6) # 绘制检测结果 for i in indices: i = i[0] box = boxes[i] x = box[0] y = box[1] w = box[2] h = box[3] cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.putText(img, classes[class_ids[i]], (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 显示检测结果 cv2.imshow("Output", img) cv2.waitKey(0) cv2.destroyAllWindows() ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一个不会射日的后羿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值