yolov5 原码讲解笔记 —— detect.py
作者：互联网
yolov5 在目标检测中占有非常重要的地位，在工业界，也是最受欢迎的目标检测架构之一。
yolov5 原码地址：https://github.com/ultralytics/yolov5
本机环境：windows10，CPU 跑模型
其中 detect.py 代码是检测代码，你可以直接跑这个代码看 yolov5 模型的效果，其中yolov5准备了2张图片 bus.jpg 和 zidane.jpg，可以看到模型检测效果，也可以添加自己图片查看模型效果。
yolov5 detect.py 代码讲解：
（1）导入所需要的库函数和包。定义ROOT，ROOT 最后返回的是 detect,py 在 yolov5-master 中的相对位置。
1 import argparse 2 import os 3 import platform 4 import sys 5 from pathlib import Path 6 from tkinter.tix import Tree 7 8 import torch 9 import torch.backends.cudnn as cudnn 10 11 # Path.resolve() 使路径成为绝对路径，解析任何符号链接。返回一个新的路径对象 12 FILE = Path(__file__).resolve() 13 ROOT = FILE.parents[0] # YOLOv5 root directory 14 # sys.path是python的搜索模块的路径集，是一个list 15 # 可以在python 环境下使用sys.path.append(path)添加相关的路径，但在退出python环境后自己添加的路径就会自动消失！ 16 if str(ROOT) not in sys.path: 17 sys.path.append(str(ROOT)) # add ROOT to PATH 18 # os.path.relpa此方法返回一个字符串值，该字符串值表示从起始目录到给定路径的相对文件路径。 19 ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative 20 21 from models.common import DetectMultiBackend 22 from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadStreams 23 from utils.general import (LOGGER, check_file, check_img_size, check_imshow, check_requirements, colorstr, cv2, 24 increment_path, non_max_suppression, print_args, scale_coords, strip_optimizer, xyxy2xywh) 25 from utils.plots import Annotator, colors, save_one_box 26 from utils.torch_utils import select_device, time_sync
（2）从主函数开始执行。
1 if __name__ == "__main__": 2 opt = parse_opt() 3 main(opt)
（3）parse_opt() 是对函数输入参数进行解析和打印显示。
1 def parse_opt():
2 parser = argparse.ArgumentParser()
3 # 模型路径
4 parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
5 parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')
6 # 数据集的yaml路径
7 parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
8 parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
9 parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')
10 parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
11 parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
12 parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
13 parser.add_argument('--view-img', action='store_true', help='show results')
14 parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
15 parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
16 parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')
17 parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
18 parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
19 parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
20 parser.add_argument('--augment', action='store_true', help='augmented inference')
21 parser.add_argument('--visualize', action='store_true', help='visualize features')
22 parser.add_argument('--update', action='store_true', help='update all models')
23 # 结果保存路径
24 parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')
25 parser.add_argument('--name', default='exp', help='save results to project/name')
26 parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
27 # 画线边框厚度
28 parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
29 parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
30 parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
31 parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
32 parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
33 opt = parser.parse_args()
34 # 列表乘法就是复制
35 opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand
36 # vars() 函数返回对象object的属性和属性值的字典对象。
37 print_args(vars(opt))
38 return opt
（4） 其中 check_requirements 用来对 python 版本和 requirements.txt 文件必须要安装的包的版本进行检测。run()函数则是执行目标检测的主函数。
1 def main(opt):
2 check_requirements(exclude=('tensorboard', 'thop'))
3 run(**vars(opt))
（5） run() 函数代码段1
获取关于检测目标的基本信息判断。
1 # 把source从pathlib类型转换成str类型
2 source = str(source)
3 save_img = not nosave and not source.endswith('.txt') # save inference images
4 # suffix是返回路径中文件所有后缀名的最后一个元素
5 is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS)
6 # 判断source是否是url
7 is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://'))
8 # isnumeric判断是否只由数字组成，
9 webcam = source.isnumeric() or source.endswith('.txt') or (is_url and not is_file)
10 if is_url and is_file:
11 source = check_file(source) # download
（6）run() 函数代码段2
创建保存结果文件夹，如果已经存在exp，那么就会创建exp2, exp3, ....，以此类推，以免覆盖原来的结果。
1 # Directories，新建保存文件目录，如果不存在，则创建 2 save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run 3 (save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir
（7）run() 函数代码段3
检测模型当前运行环境，导入检测模型，并且检验输入模型中的图片的大小是否是每个维度步幅的倍数，不是则警告提示。
1 # Load model 2 device = select_device(device) 3 model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half) 4 stride, names, pt = model.stride, model.names, model.pt 5 imgsz = check_img_size(imgsz, s=stride) # check image size
（8）run() 函数代码段4
导入数据，这里会自动读取存放在 data/images 下的图片，如果你想要检测自己的图片，可以把自己的图片放在这个目录下即可。
1 # Dataloader 2 if webcam: 3 view_img = check_imshow() 4 cudnn.benchmark = True # set True to speed up constant image size inference 5 dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt) 6 bs = len(dataset) # batch_size 7 else: 8 dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt) 9 bs = 1 # batch_size 10 vid_path, vid_writer = [None] * bs, [None] * bs
（9）run() 函数代码段5
1. 预热学习策略；
2. 循环检测每张图片；
3. 分别对图片进行预处理、模型检测和非极大值抑制 (NMS) 3个步骤，最后 pred 返回的就是模型检测并经过NMS处理的最终结果。
1 # Run inference 2 model.warmup(imgsz=(1 if pt else bs, 3, *imgsz)) # warmup 3 seen, windows, dt = 0, [], [0.0, 0.0, 0.0] 4 # path：图片路径 im:Padded resize后的图片 im0s:原图 vid_cap:视频相关参数 s:图片信息 5 for path, im, im0s, vid_cap, s in dataset: 6 # 计算时间 7 t1 = time_sync() 8 # torch.from_numpy()方法把数组转换成张量 9 # to(device)表示将所有最开始读取数据时的tensor变量copy一份到device所指定的GPU上去，之后的运算都在GPU上进行 10 im = torch.from_numpy(im).to(device) 11 # im.half()是把数据类型转换成float16 12 im = im.half() if model.fp16 else im.float() # uint8 to fp16/32 13 im /= 255 # 0 - 255 to 0.0 - 1.0 14 if len(im.shape) == 3: 15 # tensor维度中使用None可以在所处纬度中多一维 16 im = im[None] # expand for batch dim 17 t2 = time_sync() 18 dt[0] += t2 - t1 19 20 # Inference 21 # stem可以返回最后一项除了后缀以外的名字 22 visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False 23 pred = model(im, augment=augment, visualize=visualize) # 得到模型预测结果 24 t3 = time_sync() 25 dt[1] += t3 - t2 26 27 # NMS 28 pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det) 29 dt[2] += time_sync() - t3
（10）run() 函数代码段6
1. 循环处理每一次预测的结果
2. 如果检测到边界框，那么就把 resize 后的框的大小调整尺度到原图大小，再利用 annotator.box_label 把标签（检测结果和置信值）和框画到原图上，最终保存图片
1 # Process predictions
2 for i, det in enumerate(pred): # per image
3 seen += 1
4 if webcam: # batch_size >= 1
5 p, im0, frame = path[i], im0s[i].copy(), dataset.count
6 s += f'{i}: '
7 else:
8 p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0)
9
10 p = Path(p) # to Path
11 save_path = str(save_dir / p.name) # im.jpg (p.name是获取最后一项)
12 txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt
13 s += '%gx%g ' % im.shape[2:] # print string
14 gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] # normalization gain whwh
15 imc = im0.copy() if save_crop else im0 # for save_crop
16 annotator = Annotator(im0, line_width=line_thickness, example=str(names))
17 if len(det):
18 # Rescale boxes from img_size to im0 size
19 # 第一参数是resize后图片的大小，第二个参数是边框的大小，第三个参数是原图的大小a, round()是四舍五入法求整数
20 det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round()
21
22 # Print results
23 for c in det[:, -1].unique():
24 n = (det[:, -1] == c).sum() # detections per class
25 s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string，如果n>1，那么就变成复数添加s
26
27 # Write results
28 for *xyxy, conf, cls in reversed(det): # 逆序显示图片
29 if save_txt: # Write to file
30 xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh
31 line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format
32 with open(f'{txt_path}.txt', 'a') as f:
33 f.write(('%g ' * len(line)).rstrip() % line + '\n')
34
35 if save_img or save_crop or view_img: # Add bbox to image
36 c = int(cls) # integer class
37 # 显示标签和置信值
38 label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}')
39 # 把注释画到边框和标签上
40 annotator.box_label(xyxy, label, color=colors(c, True))
41 if save_crop: # 保存裁剪图片
42 save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True)
43
44 # Stream results
45 im0 = annotator.result() # convert self.im to numpy
46 if view_img:
47 if platform.system() == 'Linux' and p not in windows:
48 windows.append(p)
49 cv2.namedWindow(str(p), cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO) # allow window resize (Linux)
50 cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0])
51 cv2.imshow(str(p), im0)
52 cv2.waitKey(1) # 1 millisecond
53
54 # Save results (image with detections)
55 if save_img:
56 if dataset.mode == 'image':
57 cv2.imwrite(save_path, im0)
58 else: # 'video' or 'stream'
59 if vid_path[i] != save_path: # new video
60 vid_path[i] = save_path
61 if isinstance(vid_writer[i], cv2.VideoWriter):
62 vid_writer[i].release() # release previous video writer
63 if vid_cap: # video
64 fps = vid_cap.get(cv2.CAP_PROP_FPS)
65 w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
66 h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
67 else: # stream
68 fps, w, h = 30, im0.shape[1], im0.shape[0]
69 save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos
70 vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
71 vid_writer[i].write(im0)
72
73 # Print time (inference-only)
74 LOGGER.info(f'{s}Done. ({t3 - t2:.3f}s)')
（11）run() 函数代码段7
显示代码运行时间以及图片处理大小、检测类别等信息。
1 # Print results
2 t = tuple(x / seen * 1E3 for x in dt) # speeds per image
3 LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}' % t)
4 if save_txt or save_img:
5 s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if save_txt else ''
6 LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}")
7 if update:
8 strip_optimizer(weights[0]) # update model (to fix SourceChangeWarning)
代码运行结果：
标签：yolov5,detect,help,--,parser,add,path,save,原码 来源： https://www.cnblogs.com/ttweixiao-IT-program/p/16573200.html