yolov5实时目标检测,yolov5 目标跟踪

  yolov5实时目标检测,yolov5 目标跟踪

  YOLOv5是一系列在椰子树数据集上预训练的对象检测架构和模型,下面这篇文章主要给大家介绍了关于如何使用yolov5输出检测到的目标坐标信息的相关资料,需要的朋友可以参考下

  找到detect.py,在大概113行,找到绘图框

  #写入结果

  对于*xyxy,conf,cls in reversed(det):

  如果save_txt: #写入文件

  xywh=(xyxy 2 xywh(火炬。张量(xyxy)).视图(1,4))/gn).视图(-1)。tolist() #规范化xywh

  用open(txt_path . txt , a )作为f:

  f.write((%g * 5 \n) % (cls,*xywh)) #标签格式

  如果保存_img或view_img: #将视频添加到图像

  标签= % s %。2f %(names[int(cls)],conf)

  plot_one_box(xyxy,im0,label=label,color=colors[int(cls)],line_thickness=3)

  点进率鼠标点击,进入general.py,并自动定位到绘图框函数,修改函数为

  定义plot_one_box(x,img,color=无,label=无,line _ thickness=无):

  #在图像图像上绘制一个边界框

  tl=线条厚度或四舍五入(0.002 *(img。形状[0]img。形状[1])/2)1 #线条/字体粗细

  color=color or [random.randint(0,255) for _ in range(3)]

  c1,c2=(int(x[0]),int(x[1])),(int(x[2]),int(x[3]))

  cv2.rectangle(img,c1,c2,color,thickness=tl,lineType=cv2 .LINE_AA)

  打印(左上点的坐标为:( str(c1[0]), str(c1[1])),右下点的坐标为( str(c2[0]), str(c2[1])))

  即可输出目标坐标信息了

  附:python yolov5检测模型返回坐标的方法实例代码

  python yolov5检测模型返回坐标的方法直接搜索以下代码替换下

  如果保存_img或view_img: #将视频添加到图像

  label=f " { names[int(cls)]} { conf :2 f } "

  c1,c2=(int(xyxy[0]),int(xyxy[1])),(int(xyxy[2]),int(xyxy[3]))

  打印(左上点的坐标为:( str(c1[0]), str(c1[1])),右下点的坐标为( str(c2[0]), str(c2[1])))

  return [c1,c2]

  if __name__==__main__:

  parser=argparse .ArgumentParser()

  parser.add_argument( - weights ,nargs= ,type=str,default=yolov5s.pt ,help=model.pt path(s))

  parser.add_argument( - source ,type=str,default=data/images ,help=source) # file/folder,0表示网络摄像机

  parser.add_argument( - img-size ,type=int,default=640,help=推断大小(像素))

  解析器。add _ argument(-conf-thres ,type=float,default=0.25,help=对象置信度阈值)

  解析器。add _ argument(-iou-thres ,type=float,default=0.45,help= NMS的借据阈值)

  parser.add_argument( - device ,默认= ,help=cuda设备,即0或0,1,2,3或CPU’)

  parser.add_argument( - view-img ,action=store_true ,help=display results )

  parser.add_argument( - save-txt ,action=store_true ,help=将结果保存到*。txt’)

  解析器。add _ argument(-save-conf ,action=store_true ,help=在-save-txt标签中保存信心)

  parser.add_argument( - nosave ,action=store_true ,help=不保存图像/视频)

  parser.add_argument( - classes ,nargs= ,type=int,help=按类过滤:-类0或-类别0 2 3’)

  parser.add_argument( -不可知-nms ,action=store_true ,help=不可知类NMS’)

  parser.add_argument( - augment ,action=store_true ,help=augmented inference )

  parser.add_argument( - update ,action=store_true ,help=更新所有模型)

  parser.add_argument( - project ,default=runs/detect ,help=将结果保存到项目/名称)

  parser.add_argument( - name ,default=exp ,help=将结果保存到项目/名称)

  parser.add_argument( - exist-ok ,action=store_true ,help=现有项目/名称好吧,不递增)

  opt=parser.parse_args()

  check _ requirements(exclude=( pycocotools , thop ))

  opt.source=data/images/1/

  结果=检测()

  打印(最终检测结果: ,结果);

  总结

  关于如何使用yolov5输出检测到的目标坐标信息的这篇文章到此为止。有关yolov5输出目标坐标的更多信息,请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: