yolov5——detect.py代码【注释、详解、使用教程】
yolov5——detect.py代码【注释、详解、使用教程】
Charms@
已于2022-03-12 18:19:05修改
39098
收藏
549
分类专栏：
目标检测
yolov5
文章标签：
深度学习
计算机视觉
目标检测
于2022-03-12 17:50:48首次发布
目标检测
同时被 2 个专栏收录
8 篇文章
13 订阅
订阅专栏
yolov5
7 篇文章
3 订阅
订阅专栏
yolov5——detect.py代码【注释、详解、使用教程】
yolov5——detect.py代码【注释、详解、使用教程】1. 函数parse_opt（）2. 函数main()3. 函数run()3.1 run函数——传入参数3.2 run函数——初始化配置3.3 run函数——加载数据3.4 run函数——输入预测3.5 run函数——NMS3.6 run函数——保存打印
4. detect.py全部注释5. 使用教程
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
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(yolov5n.pt/yolov5s.pt/yolov5m.pt/yolov5l.pt/yolov5x.pt/区别在于网络的宽度和深度以此增加) source: 测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流, 默认data/images data: 配置数据文件路径, 包括image/label/classes等信息, 训练自己的文件, 需要作相应更改, 可以不用管 如果设置了只显示个别类别即使用了--classes = 0 或二者1, 2, 3等, 则需要设置该文件，数字和类别相对应才能只检测某一个类 imgsz: 网络输入图片大小, 默认的大小是640 conf-thres: 置信度阈值， 默认为0.25 iou-thres: 做nms的iou阈值, 默认为0.45 max-det: 保留的最大检测框数量, 每张图片中检测目标的个数最多为1000类 device: 设置设备CPU/CUDA, 可以不用设置 view-img: 是否展示预测之后的图片/视频, 默认False, --view-img 电脑界面出现图片或者视频检测结果 save-txt: 是否将预测的框坐标以txt文件形式保存, 默认False, 使用--save-txt 在路径runs/detect/exp*/labels/*.txt下生成每张图片预测的txt文件 save-conf: 是否将置信度conf也保存到txt中, 默认False save-crop: 是否保存裁剪预测框图片, 默认为False, 使用--save-crop 在runs/detect/exp*/crop/剪切类别文件夹/ 路径下会保存每个接下来的目标 nosave: 不保存图片、视频, 要保存图片，不设置--nosave 在runs/detect/exp*/会出现预测的结果 classes: 设置只保留某一部分类别, 形如0或者0 2 3, 使用--classes = n, 则在路径runs/detect/exp*/下保存的图片为n所对应的类别, 此时需要设置data agnostic-nms: 进行NMS去除不同类别之间的框, 默认False augment: TTA测试时增强/多尺度预测 visualize: 是否可视化网络层输出特征 update: 如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False project:保存测试日志的文件夹路径 name:保存测试日志文件夹的名字, 所以最终是保存在project/name中 exist_ok: 是否重新创建日志文件, False时重新创建文件 line-thickness: 画框的线条粗细 hide-labels: 可视化时隐藏预测类别 hide-conf: 可视化时隐藏置信度 half: 是否使用F16精度推理, 半进度提高检测速度 dnn: 用OpenCV DNN预测 """ parser = argparse.ArgumentParser() parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)') parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam') parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path') parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w') parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold') parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold') parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image') parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') parser.add_argument('--view-img', action='store_true', help='show results') parser.add_argument('--save-txt', action='store_true', help='save results to *.txt') parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels') parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes') parser.add_argument('--nosave', action='store_true', help='do not save images/videos') parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3') parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser.add_argument('--augment', action='store_true', help='augmented inference') parser.add_argument('--visualize', action='store_true', help='visualize features') parser.add_argument('--update', action='store_true', help='update all models') parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name') parser.add_argument('--name', default='exp', help='save results to project/name') parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment') parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)') parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels') parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences') parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference') parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference') opt = parser.parse_args() # 扩充维度, 如果是一位就扩充一位 opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand # 输出所有参数 print_args(FILE.stem, opt) return opt 2. 函数main() def main(opt): # 检查环境/打印参数,主要是requrement.txt的包是否安装，用彩色显示设置的参数 check_requirements(exclude=('tensorboard', 'thop')) # 执行run()函数 run(**vars(opt)) 3. 函数run() 3.1 run函数——传入参数 def run(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 source=ROOT / 'data/images', # file/dir/URL/glob, 0 for webcam 0 自带电脑摄像头， 默认data/images/ data=ROOT / 'data/coco128.yaml', # dataset.yaml path, data文件路径，包括类别/图片/标签等信息 imgsz=(640, 640), # inference size (height, width) 输入图片的大小 默认640*640 conf_thres=0.25, # confidence threshold # object置信度阈值 默认0.25 用在nms中 iou_thres=0.45, # NMS IOU threshold # 做nms的iou阈值 默认0.45 用在nms中 max_det=1000, # maximum detections per image 每张图片最多的目标数量 用在nms中 device='', # cuda device, i.e. 0 or 0,1,2,3 or cpu 设置代码执行的设备 cuda device, i.e. 0 or 0,1,2,3 or cpu view_img=False, # show results 是否展示预测之后的图片或视频 默认False save_txt=False, # save results to *.txt 是否将预测的框坐标以txt文件形式保存, 默认False, 使用--save-txt 在路径runs/detect/exp*/labels/*.txt下生成每张图片预测的txt文件 save_conf=False, # save confidences in --save-txt labels 是否将置信度conf也保存到txt中, 默认False save_crop=False, # save cropped prediction boxes 是否保存裁剪预测框图片, 默认为False, 使用--save-crop 在runs/detect/exp*/crop/剪切类别文件夹/ 路径下会保存每个接下来的目标 nosave=False, # do not save images/videos 不保存图片、视频, 要保存图片，不设置--nosave 在runs/detect/exp*/会出现预测的结果 classes=None, # filter by class: --class 0, or --class 0 2 3 设置只保留某一部分类别, 形如0或者0 2 3, 使用--classes = n, 则在路径runs/detect/exp*/下保存的图片为n所对应的类别, 此时需要设置data agnostic_nms=False, # class-agnostic NMS 进行NMS去除不同类别之间的框, 默认False augment=False, # augmented inference TTA测试时增强/多尺度预测，可以提分 visualize=False, # visualize features 是否可视化网络层输出特征 update=False, # update all models 如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False project=ROOT / 'runs/detect', # save results to project/name 保存测试日志的文件夹路径 name='exp', # save results to project/name 每次实验的名称 exist_ok=False, # existing project/name ok, do not increment 是否重新创建日志文件, False时重新创建文件 line_thickness=3, # bounding box thickness (pixels) 画框的线条粗细 hide_labels=False, # hide labels 可视化时隐藏预测类别 hide_conf=False, # hide confidences 可视化时隐藏置信度 half=False, # use FP16 half-precision inference 是否使用F16精度推理, 半进度提高检测速度 dnn=False, # use OpenCV DNN for ONNX inference 用OpenCV DNN预测 ): 3.2 run函数——初始化配置 ################################################# 1. 初始化配置 ##################################################### # 输入的路径变为字符串 source = str(source) # 是否保存图片和txt文件 save_img = not nosave and not source.endswith('.txt') # save inference images # 判断文件是否是视频流 # Path()提取文件名 例如：Path("./data/test_images/bus.jpg") Path.name->bus.jpg Path.parent->./data/test_images Path.suffix->.jpg is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) # 提取文件后缀名是否符合要求的文件，例如：是否格式是jpg, png, asf, avi等 # .lower()转化成小写 .upper()转化成大写 .title()首字符转化成大写，其余为小写, .startswith('http://')返回True or Flase is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) # .isnumeric()是否是由数字组成，返回True or False webcam = source.isnumeric() or source.endswith('.txt') or (is_url and not is_file) if is_url and is_file: # 返回文件 source = check_file(source) # download # Directories # 预测路径是否存在，不存在新建，按照实验文件以此递增新建 save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run (save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir # Load model # 获取设备 CPU/CUDA device = select_device(device) # 检测编译框架PYTORCH/TENSORFLOW/TENSORRT model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data) stride, names, pt, jit, onnx, engine = model.stride, model.names, model.pt, model.jit, model.onnx, model.engine # 确保输入图片的尺寸imgsz能整除stride=32 如果不能则调整为能被整除并返回 imgsz = check_img_size(imgsz, s=stride) # check image size # Half # 如果不是CPU，使用半进度(图片半精度/模型半精度) half &= (pt or jit or onnx or engine) and device.type != 'cpu' # FP16 supported on limited backends with CUDA if pt or jit: model.model.half() if half else model.model.float() # TENSORRT加速 elif engine and model.trt_fp16_input != half: LOGGER.info('model ' + ( 'requires' if model.trt_fp16_input else 'incompatible with') + ' --half. Adjusting automatically.') half = model.trt_fp16_input 3.3 run函数——加载数据 ################################################# 2. 加载数据 ##################################################### # Dataloader 加载数据 # 使用视频流或者页面 if webcam: view_img = check_imshow() cudnn.benchmark = True # set True to speed up constant image size inference dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt) bs = len(dataset) # batch_size else: # 直接从source文件下读取图片 dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt) bs = 1 # batch_size # 保存的路径 vid_path, vid_writer = [None] * bs, [None] * bs 3.4 run函数——输入预测 model.warmup(imgsz=(1 if pt else bs, 3, *imgsz), half=half) # warmup dt, seen = [0.0, 0.0, 0.0], 0 for path, im, im0s, vid_cap, s in dataset: t1 = time_sync() # 转化到GPU上 im = torch.from_numpy(im).to(device) # 是否使用半精度 im = im.half() if half else im.float() # uint8 to fp16/32 im /= 255 # 0 - 255 to 0.0 - 1.0 if len(im.shape) == 3: # 增加一个维度 im = im[None] # expand for batch dim t2 = time_sync() dt[0] += t2 - t1 # Inference # 可是化文件路径 visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False """ pred.shape=(1, num_boxes, 5+num_class) h,w为传入网络图片的长和宽,注意dataset在检测时使用了矩形推理,所以这里h不一定等于w num_boxes = h/32 * w/32 + h/16 * w/16 + h/8 * w/8 pred[..., 0:4]为预测框坐标=预测框坐标为xywh(中心点+宽长)格式 pred[..., 4]为objectness置信度 pred[..., 5:-1]为分类结果 """ pred = model(im, augment=augment, visualize=visualize) t3 = time_sync() # 预测的时间 dt[1] += t3 - t2 3.5 run函数——NMS # NMS # 非极大值抑制 """ pred: 网络的输出结果 conf_thres:置信度阈值 ou_thres:iou阈值 classes: 是否只保留特定的类别 agnostic_nms: 进行nms是否也去除不同类别之间的框 max-det: 保留的最大检测框数量 ---NMS, 预测框格式: xywh(中心点+长宽)-->xyxy(左上角右下角) pred是一个列表list[torch.tensor], 长度为batch_size 每一个torch.tensor的shape为(num_boxes, 6), 内容为box + conf + cls """ pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det) # 预测+NMS的时间 dt[2] += time_sync() - t3 3.6 run函数——保存打印 # Process predictions # 对每张图片做处理 for i, det in enumerate(pred): # per image seen += 1 if webcam: # batch_size >= 1 # 如果输入源是webcam则batch_size>=1 取出dataset中的一张图片 p, im0, frame = path[i], im0s[i].copy(), dataset.count s += f'{i}: ' else: # 但是大部分我们一般都是从LoadImages流读取本都文件中的照片或者视频 所以batch_size=1 # p: 当前图片/视频的绝对路径 如 F:\yolo_v5\yolov5-U\data\images\bus.jpg # s: 输出信息 初始为 '' # im0: 原始图片 letterbox + pad 之前的图片 # frame: 视频流 p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0) # 当前路径yolov5/data/images/ p = Path(p) # to Path # 图片/视频的保存路径save_path 如 runs\\detect\\exp8\\bus.jpg save_path = str(save_dir / p.name) # im.jpg # 设置保存框坐标的txt文件路径，每张图片对应一个框坐标信息 txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt # 设置打印图片的信息 s += '%gx%g ' % im.shape[2:] # print string gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] # normalization gain whwh # 保存截图 imc = im0.copy() if save_crop else im0 # for save_crop annotator = Annotator(im0, line_width=line_thickness, example=str(names)) if len(det): # Rescale boxes from img_size to im0 size # 将预测信息映射到原图 det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round() # Print results # 打印检测到的类别数量 for c in det[:, -1].unique(): n = (det[:, -1] == c).sum() # detections per class s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string # Write results # 保存结果： txt/图片画框/crop-image for *xyxy, conf, cls in reversed(det): # 将每个图片的预测信息分别存入save_dir/labels下的xxx.txt中 每行: class_id + score + xywh if save_txt: # Write to file xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format with open(txt_path + '.txt', 'a') as f: f.write(('%g ' * len(line)).rstrip() % line + '\n') # # 在原图上画框 + 将预测到的目标剪切出来 保存成图片 保存在save_dir/crops下 在原图像画图或者保存结果 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: # 在原图上画框 + 将预测到的目标剪切出来 保存成图片 保存在save_dir/crops下 save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True) # Stream results im0 = annotator.result() # 显示图片 if view_img: cv2.imshow(str(p), im0) cv2.waitKey(1) # 1 millisecond # Save results (image with detections) # 保存图片 if save_img: if dataset.mode == 'image': cv2.imwrite(save_path, im0) else: # 'video' or 'stream' if vid_path[i] != save_path: # new video vid_path[i] = save_path if isinstance(vid_writer[i], cv2.VideoWriter): vid_writer[i].release() # release previous video writer if vid_cap: # video fps = vid_cap.get(cv2.CAP_PROP_FPS) w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH)) h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) else: # stream fps, w, h = 30, im0.shape[1], im0.shape[0] save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h)) vid_writer[i].write(im0) # Print time (inference-only) LOGGER.info(f'{s}Done. ({t3 - t2:.3f}s)') 4. detect.py全部注释 # YOLOv5 🚀 by Ultralytics, GPL-3.0 license """ Run inference on images, videos, directories, streams, etc. Usage - sources: $ python path/to/detect.py --weights yolov5s.pt --source 0 # webcam # 直播软件/电脑摄像头 img.jpg # image vid.mp4 # video path/ # directory path/*.jpg # glob 'https://youtu.be/Zgi9g1ksQHc' # YouTube 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream Usage - formats: $ python path/to/detect.py --weights yolov5s.pt # PyTorch yolov5s.torchscript # TorchScript yolov5s.onnx # ONNX Runtime or OpenCV DNN with --dnn yolov5s.xml # OpenVINO yolov5s.engine # TensorRT yolov5s.mlmodel # CoreML (MacOS-only) yolov5s_saved_model # TensorFlow SavedModel yolov5s.pb # TensorFlow GraphDef yolov5s.tflite # TensorFlow Lite yolov5s_edgetpu.tflite # TensorFlow Edge TPU """ import argparse import os import sys from pathlib import Path import cv2 import torch import torch.backends.cudnn as cudnn FILE = Path(__file__).resolve() ROOT = FILE.parents[0] # YOLOv5 root directory if str(ROOT) not in sys.path: sys.path.append(str(ROOT)) # add ROOT to PATH ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative from models.common import DetectMultiBackend from utils.datasets import IMG_FORMATS, VID_FORMATS, LoadImages, LoadStreams from utils.general import (LOGGER, check_file, check_img_size, check_imshow, check_requirements, colorstr, increment_path, non_max_suppression, print_args, scale_coords, strip_optimizer, xyxy2xywh) from utils.plots import Annotator, colors, save_one_box from utils.torch_utils import select_device, time_sync # 预测不更新梯度 @torch.no_grad() def run(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 source=ROOT / 'data/images', # file/dir/URL/glob, 0 for webcam 0 自带电脑摄像头， 默认data/images/ data=ROOT / 'data/coco128.yaml', # dataset.yaml path, data文件路径，包括类别/图片/标签等信息 imgsz=(640, 640), # inference size (height, width) 输入图片的大小 默认640*640 conf_thres=0.25, # confidence threshold # object置信度阈值 默认0.25 用在nms中 iou_thres=0.45, # NMS IOU threshold # 做nms的iou阈值 默认0.45 用在nms中 max_det=1000, # maximum detections per image 每张图片最多的目标数量 用在nms中 device='', # cuda device, i.e. 0 or 0,1,2,3 or cpu 设置代码执行的设备 cuda device, i.e. 0 or 0,1,2,3 or cpu view_img=False, # show results 是否展示预测之后的图片或视频 默认False save_txt=False, # save results to *.txt 是否将预测的框坐标以txt文件形式保存, 默认False, 使用--save-txt 在路径runs/detect/exp*/labels/*.txt下生成每张图片预测的txt文件 save_conf=False, # save confidences in --save-txt labels 是否将置信度conf也保存到txt中, 默认False save_crop=False, # save cropped prediction boxes 是否保存裁剪预测框图片, 默认为False, 使用--save-crop 在runs/detect/exp*/crop/剪切类别文件夹/ 路径下会保存每个接下来的目标 nosave=False, # do not save images/videos 不保存图片、视频, 要保存图片，不设置--nosave 在runs/detect/exp*/会出现预测的结果 classes=None, # filter by class: --class 0, or --class 0 2 3 设置只保留某一部分类别, 形如0或者0 2 3, 使用--classes = n, 则在路径runs/detect/exp*/下保存的图片为n所对应的类别, 此时需要设置data agnostic_nms=False, # class-agnostic NMS 进行NMS去除不同类别之间的框, 默认False augment=False, # augmented inference TTA测试时增强/多尺度预测，可以提分 visualize=False, # visualize features 是否可视化网络层输出特征 update=False, # update all models 如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False project=ROOT / 'runs/detect', # save results to project/name 保存测试日志的文件夹路径 name='exp', # save results to project/name 每次实验的名称 exist_ok=False, # existing project/name ok, do not increment 是否重新创建日志文件, False时重新创建文件 line_thickness=3, # bounding box thickness (pixels) 画框的线条粗细 hide_labels=False, # hide labels 可视化时隐藏预测类别 hide_conf=False, # hide confidences 可视化时隐藏置信度 half=False, # use FP16 half-precision inference 是否使用F16精度推理, 半进度提高检测速度 dnn=False, # use OpenCV DNN for ONNX inference 用OpenCV DNN预测 ): ################################################# 1. 初始化配置 ##################################################### # 输入的路径变为字符串 source = str(source) # 是否保存图片和txt文件 save_img = not nosave and not source.endswith('.txt') # save inference images # 判断文件是否是视频流 # Path()提取文件名 例如：Path("./data/test_images/bus.jpg") Path.name->bus.jpg Path.parent->./data/test_images Path.suffix->.jpg is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) # 提取文件后缀名是否符合要求的文件，例如：是否格式是jpg, png, asf, avi等 # .lower()转化成小写 .upper()转化成大写 .title()首字符转化成大写，其余为小写, .startswith('http://')返回True or Flase is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) # .isnumeric()是否是由数字组成，返回True or False webcam = source.isnumeric() or source.endswith('.txt') or (is_url and not is_file) if is_url and is_file: # 返回文件 source = check_file(source) # download # Directories # 预测路径是否存在，不存在新建，按照实验文件以此递增新建 save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run (save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir # Load model # 获取设备 CPU/CUDA device = select_device(device) # 检测编译框架PYTORCH/TENSORFLOW/TENSORRT model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data) stride, names, pt, jit, onnx, engine = model.stride, model.names, model.pt, model.jit, model.onnx, model.engine # 确保输入图片的尺寸imgsz能整除stride=32 如果不能则调整为能被整除并返回 imgsz = check_img_size(imgsz, s=stride) # check image size # Half # 如果不是CPU，使用半进度(图片半精度/模型半精度) half &= (pt or jit or onnx or engine) and device.type != 'cpu' # FP16 supported on limited backends with CUDA if pt or jit: model.model.half() if half else model.model.float() # TENSORRT加速 elif engine and model.trt_fp16_input != half: LOGGER.info('model ' + ( 'requires' if model.trt_fp16_input else 'incompatible with') + ' --half. Adjusting automatically.') half = model.trt_fp16_input ################################################# 2. 加载数据 ##################################################### # Dataloader 加载数据 # 使用视频流或者页面 if webcam: view_img = check_imshow() cudnn.benchmark = True # set True to speed up constant image size inference dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt) bs = len(dataset) # batch_size else: # 直接从source文件下读取图片 dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt) bs = 1 # batch_size # 保存的路径 vid_path, vid_writer = [None] * bs, [None] * bs ################################################# 3. 网络预测 ##################################################### # Run inference # warmup 热身 model.warmup(imgsz=(1 if pt else bs, 3, *imgsz), half=half) # warmup dt, seen = [0.0, 0.0, 0.0], 0 for path, im, im0s, vid_cap, s in dataset: t1 = time_sync() # 转化到GPU上 im = torch.from_numpy(im).to(device) # 是否使用半精度 im = im.half() if half else im.float() # uint8 to fp16/32 im /= 255 # 0 - 255 to 0.0 - 1.0 if len(im.shape) == 3: # 增加一个维度 im = im[None] # expand for batch dim t2 = time_sync() dt[0] += t2 - t1 # Inference # 可是化文件路径 visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False """ pred.shape=(1, num_boxes, 5+num_class) h,w为传入网络图片的长和宽,注意dataset在检测时使用了矩形推理,所以这里h不一定等于w num_boxes = h/32 * w/32 + h/16 * w/16 + h/8 * w/8 pred[..., 0:4]为预测框坐标=预测框坐标为xywh(中心点+宽长)格式 pred[..., 4]为objectness置信度 pred[..., 5:-1]为分类结果 """ pred = model(im, augment=augment, visualize=visualize) t3 = time_sync() # 预测的时间 dt[1] += t3 - t2 # NMS # 非极大值抑制 """ pred: 网络的输出结果 conf_thres:置信度阈值 ou_thres:iou阈值 classes: 是否只保留特定的类别 agnostic_nms: 进行nms是否也去除不同类别之间的框 max-det: 保留的最大检测框数量 ---NMS, 预测框格式: xywh(中心点+长宽)-->xyxy(左上角右下角) pred是一个列表list[torch.tensor], 长度为batch_size 每一个torch.tensor的shape为(num_boxes, 6), 内容为box + conf + cls """ pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det) # 预测+NMS的时间 dt[2] += time_sync() - t3 # Second-stage classifier (optional) # pred = utils.general.apply_classifier(pred, classifier_model, im, im0s) # Process predictions # 对每张图片做处理 for i, det in enumerate(pred): # per image seen += 1 if webcam: # batch_size >= 1 # 如果输入源是webcam则batch_size>=1 取出dataset中的一张图片 p, im0, frame = path[i], im0s[i].copy(), dataset.count s += f'{i}: ' else: # 但是大部分我们一般都是从LoadImages流读取本都文件中的照片或者视频 所以batch_size=1 # p: 当前图片/视频的绝对路径 如 F:\yolo_v5\yolov5-U\data\images\bus.jpg # s: 输出信息 初始为 '' # im0: 原始图片 letterbox + pad 之前的图片 # frame: 视频流 p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0) # 当前路径yolov5/data/images/ p = Path(p) # to Path # 图片/视频的保存路径save_path 如 runs\\detect\\exp8\\bus.jpg save_path = str(save_dir / p.name) # im.jpg # 设置保存框坐标的txt文件路径，每张图片对应一个框坐标信息 txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt # 设置打印图片的信息 s += '%gx%g ' % im.shape[2:] # print string gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] # normalization gain whwh # 保存截图 imc = im0.copy() if save_crop else im0 # for save_crop annotator = Annotator(im0, line_width=line_thickness, example=str(names)) if len(det): # Rescale boxes from img_size to im0 size # 将预测信息映射到原图 det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round() # Print results # 打印检测到的类别数量 for c in det[:, -1].unique(): n = (det[:, -1] == c).sum() # detections per class s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string # Write results # 保存结果： txt/图片画框/crop-image for *xyxy, conf, cls in reversed(det): # 将每个图片的预测信息分别存入save_dir/labels下的xxx.txt中 每行: class_id + score + xywh if save_txt: # Write to file xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format with open(txt_path + '.txt', 'a') as f: f.write(('%g ' * len(line)).rstrip() % line + '\n') # # 在原图上画框 + 将预测到的目标剪切出来 保存成图片 保存在save_dir/crops下 在原图像画图或者保存结果 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: # 在原图上画框 + 将预测到的目标剪切出来 保存成图片 保存在save_dir/crops下 save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True) # Stream results im0 = annotator.result() # 显示图片 if view_img: cv2.imshow(str(p), im0) cv2.waitKey(1) # 1 millisecond # Save results (image with detections) # 保存图片 if save_img: if dataset.mode == 'image': cv2.imwrite(save_path, im0) else: # 'video' or 'stream' if vid_path[i] != save_path: # new video vid_path[i] = save_path if isinstance(vid_writer[i], cv2.VideoWriter): vid_writer[i].release() # release previous video writer if vid_cap: # video fps = vid_cap.get(cv2.CAP_PROP_FPS) w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH)) h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) else: # stream fps, w, h = 30, im0.shape[1], im0.shape[0] save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h)) vid_writer[i].write(im0) # Print time (inference-only) LOGGER.info(f'{s}Done. ({t3 - t2:.3f}s)') # Print results # 打印每张图片的速度 t = tuple(x / seen * 1E3 for x in dt) # speeds per image LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}' % t) # 保存图片或者txt if save_txt or save_img: s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if save_txt else '' LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}") if update: strip_optimizer(weights) # update model (to fix SourceChangeWarning) 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(yolov5n.pt/yolov5s.pt/yolov5m.pt/yolov5l.pt/yolov5x.pt/区别在于网络的宽度和深度以此增加) source: 测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流, 默认data/images data: 配置数据文件路径, 包括image/label/classes等信息, 训练自己的文件, 需要作相应更改, 可以不用管 如果设置了只显示个别类别即使用了--classes = 0 或二者1, 2, 3等, 则需要设置该文件，数字和类别相对应才能只检测某一个类 imgsz: 网络输入图片大小, 默认的大小是640 conf-thres: 置信度阈值， 默认为0.25 iou-thres: 做nms的iou阈值, 默认为0.45 max-det: 保留的最大检测框数量, 每张图片中检测目标的个数最多为1000类 device: 设置设备CPU/CUDA, 可以不用设置 view-img: 是否展示预测之后的图片/视频, 默认False, --view-img 电脑界面出现图片或者视频检测结果 save-txt: 是否将预测的框坐标以txt文件形式保存, 默认False, 使用--save-txt 在路径runs/detect/exp*/labels/*.txt下生成每张图片预测的txt文件 save-conf: 是否将置信度conf也保存到txt中, 默认False save-crop: 是否保存裁剪预测框图片, 默认为False, 使用--save-crop 在runs/detect/exp*/crop/剪切类别文件夹/ 路径下会保存每个接下来的目标 nosave: 不保存图片、视频, 要保存图片，不设置--nosave 在runs/detect/exp*/会出现预测的结果 classes: 设置只保留某一部分类别, 形如0或者0 2 3, 使用--classes = n, 则在路径runs/detect/exp*/下保存的图片为n所对应的类别, 此时需要设置data agnostic-nms: 进行NMS去除不同类别之间的框, 默认False augment: TTA测试时增强/多尺度预测, 可以提分 visualize: 是否可视化网络层输出特征 update: 如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False project: 保存测试日志的文件夹路径 name: 保存测试日志文件夹的名字, 所以最终是保存在project/name中 exist_ok: 是否重新创建日志文件, False时重新创建文件 line-thickness: 画框的线条粗细 hide-labels: 可视化时隐藏预测类别 hide-conf: 可视化时隐藏置信度 half: 是否使用F16精度推理, 半进度提高检测速度 dnn: 用OpenCV DNN预测 """ parser = argparse.ArgumentParser() parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)') parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam') parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path') parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w') parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold') parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold') parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image') parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') parser.add_argument('--view-img', action='store_true', help='show results') parser.add_argument('--save-txt', action='store_true', help='save results to *.txt') parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels') parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes') parser.add_argument('--nosave', action='store_true', help='do not save images/videos') parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3') parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser.add_argument('--augment', action='store_true', help='augmented inference') parser.add_argument('--visualize', action='store_true', help='visualize features') parser.add_argument('--update', action='store_true', help='update all models') parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name') parser.add_argument('--name', default='exp', help='save results to project/name') parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment') parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)') parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels') parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences') parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference') parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference') opt = parser.parse_args() # 扩充维度, 如果是一位就扩充一位 opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand # 输出所有参数 print_args(FILE.stem, opt) return opt def main(opt): # 检查环境/打印参数,主要是requrement.txt的包是否安装，用彩色显示设置的参数 check_requirements(exclude=('tensorboard', 'thop')) # 执行run()函数 run(**vars(opt)) if __name__ == "__main__": opt = parse_opt() main(opt) 5. 使用教程 python detect.py --weights ./weights/yolov5s.pt --source ./data/test_images/ --classes 5 --save-txt --save-cropcrop文件夹下的文件 labels下面的文件