许可证: GPL-3.0 推理: 不支持 标签:

• 目标检测
• 计算机视觉
• 视觉
• YOLO
• YOLOv5 数据集:
• detection-datasets/coco

使用方法

• 安装yolov5:

pip install -U yolov5

• 加载模型并进行预测:

import yolov5

# 加载模型
model = yolov5.load('fcakyon/yolov5n-v7.0')
  
# 设置模型参数
model.conf = 0.25  # 非极大值抑制置信度阈值
model.iou = 0.45  # 非极大值抑制IoU阈值
model.agnostic = False  # 非极大值抑制是否类别无关
model.multi_label = False  # 非极大值抑制每个框是否允许多标签
model.max_det = 1000  # 每张图像最大检测数量

# 设置图像
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 执行推理
results = model(img)

# 使用更大输入尺寸进行推理
results = model(img, size=640)

# 使用测试时数据增强进行推理
results = model(img, augment=True)

# 解析结果
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# 在图像上显示检测框
results.show()

# 将结果保存到"results/"文件夹
results.save(save_dir='results/')

• 在自定义数据集上微调模型:

yolov5 train --img 640 --batch 16 --weights fcakyon/yolov5n-v7.0 --epochs 10 --device cuda:0