YOLOv5 detect 推理测试（没有检测框）

Posted 2023-04-27

参考技术A Nvidia RTX 3060
Ubuntu 16.04
CUDA 11.1
cuDNN 8.2.0
torch 1.10.1+cu111
torchvision 0.11.2+cu111
YOLOv5搭建及训练自己的数据集，请参考另一篇文章： https://www.jianshu.com/p/b3fa74f6c27b
训练完毕会得到 best.pt 和 last.pt 的权重文件，权重文件在 /run/train/exp/weights 下

以YOLOv5 v6.0版本为例，先使用原始权重文件及项目提供的原始图片进行detect推理一下，可以修改detect.py文件

可以先使用命令查看一下正确指令

然后，使用命令

运行结果将被保存在 /run/detect文件夹下

detect结果如下：

detect结果除了有标注的图片外，还有一个文件夹记录检测框的信息：

可以根据上述自行修改，对自己的项目进行detect。
我在detect的时候，一直没有检测框，找了一天bug，原来是命令写错了，两行心酸泪==

一定按照 python detect.py -h 写，不然对图片不做任何修改

Yolov5保姆级别源码讲解之-推理部分detect.py文件

推理部分之detect.py文件讲解

• 1.下载Yolov5的源码
• 2. 主函数讲解
• 3.文件标头的注释
• 4. main函数的
• 5. run函数
• • 5.1 第一块参数部分
  • 5.2第二块，传入数据预处理
  • 5.3 第三块创建文件夹
  • 5.4 第四块 加载模型的权重
  • 5.5 第五块 Dataloader 加载模块
  • 5.6 第六块 推理部分 Run inference
  • 5.7 输出结果 Print results

1.下载Yolov5的源码

• 克隆一下yolov5的代码

git clone https://github.com/huangfengge/yolov5

• 配置好项目所需的依赖包
  

2. 主函数讲解

opt 为执行可以传递的参数

if __name__ == '__main__':
    opt = parse_opt()
    main(opt)

• 具体的参数如图所示，比较重要的参数 weights权重文件、–source 数据集合 – data 数据集的配置
  
• weights 权重文件
  

– source 为需要推理的原图

• data参数 数据配置
  

• imgsz 参数是训练配置图片的大小

• device 设备信息，使用的Gpu还是cpu

• 这些参数都可以通过命令进行传递
  

cd /home/hfg/Soft/Idea_Project/deep/yolov5
python detect.py --weights yolov5s.pt --source data/images/bus.jpg 

• 将推理结果放入runs/detect/exp3进行了保存
  

3.文件标头的注释

• 明显的示例告诉了我们的使用方法
  

4. main函数的

• 第一个方法检测了当前的依赖包是否安装
• 进行了下一步的run函数

def main(opt):
    check_requirements(exclude=('tensorboard', 'thop'))  # 检测是否安装包
    run(**vars(opt))

• requirements安装
  - 里面定义了各个依赖包使用的版本

5. run函数

• run 函数一共分为7个部分

5.1 第一块参数部分

• 如图所示我们可以看到传递的参数部分
  

5.2第二块，传入数据预处理

• 传入的可以是字符串图片名称，并对图片进行格式校验，可以支持的图片类型（如下图），如果是url地址或者文件地址进行下载操作。
  
• 可以支持的数据类型
  
• 下载文件的代码
  

5.3 第三块创建文件夹

• 是否将推理过程写入一个txt文件
  
• 因save-txt是默认为false，增加上表示true，这样就生成了一个labels 文件

python detect.py --weights yolov5s.pt --source data/images/bus.jpg --save-txt

• 类型和坐标信息
  

5.4 第四块 加载模型的权重

• 选择当前训练设备的信息，gpu和cpu信息
  
• 模型框架 yolov5和pytorch

5.5 第五块 Dataloader 加载模块

• 一般加载的都是image
  
• 可以配置图片的大小，如果是多个图片使用数组
  

5.6 第六块 推理部分 Run inference

• 热身先给cpu和gpu一张图片进行热身处理
• 变量每个图片进行推理
• 确定检测的坐标
  
• 热身处理
• 具体的画框
• 输出预测的结果进行保存
  

5.7 输出结果 Print results