YOLOv5在Django中调用

最新推荐文章于 2024-05-09 10:15:40 发布

一个初学者^^

最新推荐文章于 2024-05-09 10:15:40 发布

阅读量3.1k

点赞数 2

文章标签： django 后端

本文链接：https://blog.csdn.net/x1114331429/article/details/122743811

版权

在不了解YOLOv5内部执行原理的前提下，想要在Django框架中调用YOLOv5，因为Django框架中的Views中允许调用自己编写的函数，利用OS库的os.popen构建cmd命令，调用Python终端进行执行。
再利用readlines获取输出的结果，其返回值为列表，为了方便获取想要的人数信息，先转为str再利用re正则表达式匹配人数前的数字。
我是利用yolo识别的图片中的人数，参数url是图片的文件路径，推荐使用绝对路径。想识别其他类别可以在cmd中修改–classes 后的参数，具体类别请参考YOLOv5官方文档。
之后直接在views中调用自己封装好的函数即可。

def getperson(url:str) -> int:
	'''
	处理图片
	:param url:图片地址
	:return: 图片中的人数
	''

最低0.47元/天解锁文章

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

一个初学者^^

关注关注

2
点赞
踩
22

收藏

觉得还不错? 一键收藏
2
评论
YOLOv5在Django中调用

在不了解YOLOv5的情况下，在Django中调用YOLOv5
复制链接

扫一扫

如何使用Django 结合WebSocket 进行实时目标检测呢？以yolov5 为例，实现：FPS 25+ (0: 系统简介与架构)

shiter编写程序的艺术

12-01

2292

django 是python 使用非常广泛的后端框架，本文尝试使用django ，channel，yolov5 进行实时摄像头的目标检测及其结果展示

基于yolov5和django框架的web端人脸识别并打码系统

08-11

分别打开两个工程,并激活相应的环境 yolov5工程在pytorch环境下运行detect.py,前端工程运行以下指令 conda activate pytorch python manage.py makemigrations python manage.py migrate python manage.py runserver 记得修改数据集的路径 yolov5.7/detcet.py/95行修改前端引用yolov5的路径 djangoPtoject/appo1/views.py/141行

2 条评论您还未登录，请先登录后发表或查看评论

深度学习之基于Django+YOLOv5商标识别

最新发布

Q1744828575的博客

05-09

712

一、项目背景在数字化时代，商标作为企业的重要资产，其保护和管理显得尤为重要。然而，传统的商标识别方法往往依赖于人工审查，效率低下且容易出错。随着深度学习技术的不断发展，尤其是目标检测领域的进步，自动化、高精度的商标识别成为可能。本项目旨在利用Django Web框架和YOLOv5目标检测算法，构建一个高效、准确的商标识别系统。二、项目原理本项目采用Django作为后端框架，负责处理用户请求、管理数据库和提供API接口。前端则使用现代Web技术构建用户界面，允许用户上传商标图像进行识别。

基于Django YOLOv5搭建实时多摄像头监控系统

06-09

基于Django YOLOv5搭建实时多摄像头监控系统，详细内容可参考本人博客：https://blog.csdn.net/wangyaninglm/article/details/127619678

举例django部署yolov5训练的模型

weixin_42588555的博客

02-01

772

Django 可以用来部署 YOLOv5 训练好的模型。您可以在 Django 应用中编写代码加载 YOLOv5 模型，然后通过 API 接口对外提供服务。比如，当用户请求检测图像中的物体时，您的 Django 应用可以使用 YOLOv5 模型处理请求并返回结果。 ...

Django网页+Yolov5垃圾识别系统

alicema1111的博客

02-03

1942

这篇博客针对编写代码，代码整洁，规则，易读。学习与应用推荐首选。

Day 22 - Django + YOLO 后台整合应用

m0_50614038的博客

10-30

3527

Day 22 - Django + YOLO 后台整合应用今天的任务是将 Day 07 - RESTful API 在 Amazon Linux 2 上传图片实作、Day 08 - Amazon Linux 2 上将 Django 与 Nginx 整合、Day 09 - Amazon Linux 2 上解决跨来源资源共用 (CORS) 与开机自动启动 uwsgi 这三天完成的 Django 后端结合 Day 14 - 安装与执行 YOLO 的 Joseph/darknet ，这样就可以完成观赏鱼辨识系统的

在其他项目中调用YOLOv5

qq_62076686的博客

06-02

641

在其他项目中调用YOLOv5 将整个Yolo系列文件打包到新建文件夹，命名为YOLO，在代码里把util前面加一个YOLO. 也就是更新文件夹地址即可

基于yolov5和django框架的web端人脸识别并打码系统.zip

04-26

基于yolov5和django框架的web端人脸识别并打码系统.zip基于yolov5和django框架的web端人脸识别并打码系统.zip基于yolov5和django框架的web端人脸识别并打码系统.zip基于yolov5和django框架的web端人脸识别并打码系统...

python毕业设计-基于yolov5+Django人脸识别并打码系统的设计与实现+全部资料.zip

04-15

python毕业设计-基于yolov5+Django人脸识别并打码系统的设计与实现+全部资料.zippython毕业设计-基于yolov5+Django人脸识别并打码系统的设计与实现+全部资料.zip 【备注】 1、该资源内项目代码都经过测试运行成功，...

基于Yolov5的Vue前端目标检测和训练可视化系统源码.zip

05-23

基于Yolov5的Vue前端目标检测和训练可视化系统源码.zip

Python-基于YOLOv3的行人检测

08-11

基于YOLOv3的行人检测

基于YOLOv5+django交通标志物检测源码+训练好的模型+web系统.zip

04-21

通过YOLOv5，对TT100K数据集45类进行交通标志识别检测，并结合Web系统进行可视化，包含登录注册、图片检测、视频流实时检测。

基于Django YOLOv8搭建实时跟踪与统计系统.pptx

06-07

基于Django YOLOv8搭建实时跟踪与统计系统, 详细内容见本人博客：https://blog.csdn.net/wangyaninglm/article/details/129986384

基于yolov5和django框架的web端人脸识别并打码系统源码

04-26

基于yolov5和django框架的web端人脸识别并打码系统代码和文档介绍，分别打开两个工程,并激活相应的环境 yolov5工程在pytorch环境下运行detect.py,前端工程运行以下指令 conda activate pytorch python manage.py ...

DJL调用yolov5模型文件进行目标检测

qq_30374237的博客

12-31

5503

1.准备好模型文件和对象分类放到同一文件夹下 2.准备 pom文件 <properties> <maven.compiler.source>1.8</maven.compiler.source> <maven.compiler.target>1.8</maven.compiler.target> <djl.version>0.15.0-SNAPSHOT</djl.version

如何使用Django 结合WebSocket 进行实时目标检测呢？以yolov5 为例，实现：FPS 25+ (1: 后端)

shiter编写程序的艺术

12-09

1385

每个组件，坐标，数量""" def __init__(self) - > None : self . component = [ "Person" ] self . Es = [ "BOOK" ] # 这块的坐标应该是矩形框，有四个 xywh self . locations = [ ] # 以人为单位，并且带有置信度 self . attribute = {

关于Django调用YOLOv3模型（基于Keras）

qq_40712579的博客

12-08

1407

如果在试图函数中调用模型，通常由于载入模型而耗费大量时间，但模型不同每次都载入，完全可以在启动django时就调用，关于方法即为通过设置全局变量，Yolov3通常会在创建YOLO()类实例时调用：即为 yolo = YOLO()，这行代码时调用，具体的是因为这时调用了load_model函数载入模型，所以可以在views.py文件的视图函数外，直接使用yolo = YOLO()，然后当视图函数中需要检测图片时，使用global yolo调用yolo对象，再使用yolo.detect_i

django调用yolov5

10-28

Django是一个用于构建Web应用程序的高级Python Web框架，而Yolov5是一个流行的目标检测算法。想要在Django中调用Yolov5，可以按照以下步骤进行： 1. 安装Yolov5：首先，需要按照Yolov5的要求安装它。可以通过使用pip包管理器执行以下命令来安装所需的依赖项： ``` pip install yolov5 ``` 2. 导入Yolov5模型：在Django项目的适当位置，将需要导入Yolov5模型的代码文件添加到项目中。可以通过使用以下代码行导入模型： ``` import torch from models.experimental import attempt_load ``` 3. 加载和使用模型：在Django的视图函数或适当的位置，加载已训练的Yolov5模型并使用它来检测目标。可以使用以下代码行来加载模型和进行目标检测： ``` weights = 'path_to_yolov5_weights' # 替换为模型权重的路径 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = attempt_load(weights, map_location=device) # 进行目标检测 results = model(source_image) # 替换为要检测的图像 ``` 4. 处理Yolov5检测结果：根据需要，可以使用Yolov5检测结果在Django中执行特定的操作，例如可视化检测结果或将结果传递给前端界面。需要注意的是，在整个过程中，您需要确保正确配置Django项目以及正确安装和加载Yolov5模型。对于更复杂的应用程序，可能需要相应地调整代码和配置以满足您的需求。为了更好地处理图像上传和结果处理，您还可以考虑使用Django的Form和View类来处理图像上传和显示结果。

“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