YOLOv5 Detect 参数说明
def parse_opt():parser = argparse.ArgumentParser()#权重文件parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path or triton URL')#图片数据源parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')#类别数据parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')#图片缩放尺寸parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')#置信度阈值parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')#IOU阈值parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')#最大检测数量parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')#显卡选择parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')#可视化图片parser.add_argument('--view-img', action='store_true', help='show results')#保存detect 检测到的数据到TXT 类别 中心点坐标 中心点长宽parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')#保存置信度parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')#保存目标检测后裁减图片parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')#不进行保存parser.add_argument('--nosave', action='store_true', help='do not save images/videos')#检测分类的类别,可以只检测第一类 或者第二类 默认是所有类别检测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')#可视化,每一通道的feature map 保存parser.add_argument('--visualize', action='store_true', help='visualize features')parser.add_argument('--update', action='store_true', help='update all models')#保存detect检测数据的位置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')#是否覆盖detect保存的数据,不进行新文件夹得创建parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')#显示矩形框线宽parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')#隐藏labelsparser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')#隐藏置信度parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')#--half 推理加速 dnn opencv推理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')parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')opt = parser.parse_args()opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expandprint_args(vars(opt))return opt
YOLOv5 Detect 参数说明相关推荐
- 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ru ...
- yolov5 detect文件参数解释(部分)
detect.py中参数解释 default默认值 def parse_opt(): parser = argparse.ArgumentParser() parser.add_argument('– ...
- Python —— 解析Yolov5 - detect.py
Yolov5自带detect.py加入cv2简单操作 说明:im0为mat的原图 detect.py参数解析 1.运行detect.py的两种方式: ( ...
- 【yolov5检测代码简化】Yolov5 detect.py推理代码简化,输入图片,输出图片和结果
前言 最近的项目里有yolov5的嵌入,需求是只需要推理,模型文件是已有的,输入需要是图片(原yolov5是输入路径),输出结果的图片和标签.这样的话需要对原来的代码进行一些简化和变更. 路径 模型这 ...
- yolov5 detect报错
yolo detect 运行报错 问题一 Image Not Found {path} 这个报错目录发现了两种情况 1. 中文路径 此路径很容易在opencv处报错,所以需要修改datasets.py ...
- YOLOv5导出jit,onnx,engine
一.YOLOv5导出jit YOLOv5自导出,我们可以直接用它的导出代码:models/export.py """Exports a YOLOv5 *.pt model ...
- yolo人脸检测数据集_自定义数据集上的Yolo-V5对象检测
yolo人脸检测数据集 计算机视觉 (Computer Vision) Step by step instructions to train Yolo-v5 & do Inference(fr ...
- 使用yolov5训练自己的目标检测数据集
使用yolov5训练自己的目标检测数据集 yolov4出来后不久,又出现了yolov5,没有论文.虽然作者没有放上和yolov4的直接测试对比,但在COCO数据集的测试效果还是很可观的.很多人考虑到Y ...
- (五)将YOLOv5 PyTorch模型权重转换为TensorFlow Lite格式
目录 介绍 建议使用Ultralytics进行重量转换的方法 在Google Colab上测试TFLite权重 TFLite解释器,可在边缘设备上实现良好性能 在本地测试YOLOv5模型权重 下一步 ...
最新文章
- jquery的基本api
- 服务器里的文件怎么实时更新,简单几步,利用Serverless,让COS中文件变更自动刷新CDN...
- 【CSWS2014 Summer School】互联网广告中的匹配和排序算法-蒋龙(上)
- python中清除海龟图的代码_Python海龟绘图——常用方法指令
- UCSC数据库数据调用cruzdb
- ebs 供应商地点信息_EBS标准的查看供应商地址
- 迁移 WinForm 应用从 dotnet framework 到 dotnetcore3.0
- 什么是 ARM 架构处理器?
- STM32 IO口双向问题
- 如何使用Syncios Data Recovery直接从 iOS 设备恢复数据?
- Netty源码分析(四):EventLoopGroup
- 解决phpcms V9 推荐位无法排序
- 基、维数和坐标 过渡矩阵与坐标变换
- 文献分享:定义的肿瘤抗原特异性T细胞增强了个性化的TCR-T细胞治疗和免疫治疗反应的预测
- pycharm安装open3d的方法
- 一步步学习SPD2010--第一章节--探索SPD2010(3)--理解SharePoint Designer 2010新功能
- 数据库系统-存储过程
- 什么是深度学习?我们为何需要深度学习?
- 全藏字【藏文字】的生成算法设计
- 48张帮助程序员梳理知识框架结构图谱
热门文章
- Thinking In Design Pattern——工厂模式演绎
- 30k~50k月薪,或年10%干股,这波区块链人才需求,有你吗?!
- python英文怎么读-python英文怎么读
- AsyncDisplayKit2.0教程(上)
- python raise函数
- 互联网时代的春秋战国
- Docker02 狂神Docker视频学习笔记 :【狂神说Java 哔哩哔哩】Docker最新超详细版教程通俗易懂
- google地图测距原码
- VC编译器与GCC编译器的区别
- python中mainloop什么意思_Tkinter中的mainloop应该如何理解?