【yolov5 web部署】部署过程报错解决记录!

一、pycharm导包的时候提示Unresolved reference
问题描述:在导入模块部分的时候出现了错误,写一个外部模块导入的时候居然提示unresolved reference,但是程序能正常运行没有什么问题,就是提示包部分下划线是红色,让人看着很不舒服,总感觉是不是程序出现错误了,下面给出了相应的解决方案
解决方案:选择工程文件的根目录(项目上) 单击右键 -> Mark Directory as,然后找到Sources Root,选中即可。
二、Downloading https://ultralytics.com/assets/Arial.ttf to …ubuntu18.4-YOLOv5报错[01]
问题描述:运行时会出该行,表示缺少Arial.ttf字体,需要下载,但因为网络问题无法下载时,会出现连接主机时间过长无响应的问题
解决方案:在文件yolov5/utils/plots.py中,以下代码中:

class Annotator:
	if RANK in (-1, 0):
        check_font()  # download TTF if necessary
    # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
    def __init__(self, im, line_width=None, font_size=None, font='Arial.ttf', pil=False, example='abc'):

改为

class Annotator:
	#if RANK in (-1, 0):
        #check_font()  # download TTF if necessary
    # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
    def __init__(self, im
  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
yolov5web部署可以通过使用Python的轻量级web框架Flask来完成。下面是一个简单的示例代码,演示了如何使用Flask来实现yolov5的目标检测功能: ```python from flask import Flask, request, jsonify import torch from PIL import Image from torchvision.transforms import functional as F from yolov5.models.experimental import attempt_load from yolov5.utils.general import non_max_suppression, scale_coords from yolov5.utils.torch_utils import select_device app = Flask(__name__) # 加载模型 device = select_device('') model = attempt_load('yolov5s.pt', map_location=device) stride = int(model.stride.max()) names = model.module.names if hasattr(model, 'module') else model.names # 定义目标检测的路由 @app.route('/detect', methods=['POST']) def detect(): # 获取上传的图片 image_file = request.files['image'] image = Image.open(image_file).convert('RGB') # 图片预处理 img = F.pad(image, (0, 0, image.width % stride, image.height % stride)) img = F.resize(img, (640, 640)).unsqueeze(0) img = img.to(device) # 目标检测 pred = model(img)[0] pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.5)[0] # 处理检测结果 results = [] for det in pred: if len(det): det[:, :4] = scale_coords(img.shape[2:], det[:, :4], image.size).round() for *xyxy, conf, cls in reversed(det): results.append({ 'class': names[int(cls)], 'confidence': float(conf), 'bbox': [int(xyxy[0]), int(xyxy[1]), int(xyxy[2]), int(xyxy[3])] }) # 返回检测结果 return jsonify(results) if __name__ == '__main__': app.run() ``` 这段代码使用了Flask框架创建了一个web应用,并定义了一个`/detect`的路由,用于接收上传的图片并进行目标检测。在目标检测过程中,使用了yolov5模型进行预测,并对预测结果进行处理和返回。 请注意,上述代码中的`yolov5s.pt`是一个预训练的yolov5模型文件,你需要根据自己的需求下载并指定正确的模型文件路径。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

yeahxbf

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
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