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】

  • 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——NMS
  • 3.6 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-crop
    



    crop文件夹下的文件

    labels下面的文件

    来源:Charms@

    物联沃分享整理
    物联沃-IOTWORD物联网 » yolov5——detect.py代码【注释、详解、使用教程】

    发表评论