Python调用yolo模型

原创 已于 2023-05-29 17:37:56 修改 · 2.7k 阅读 · 34 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #YOLO #开发语言

于 2023-05-29 17:02:32 首次发布
文章讲述了作者在PyCharm环境下成功运行了调用YOLOv5模型进行图像识别的代码，但在JupyterNotebook中遇到了错误。代码中使用`torch.hub.load`加载了本地自定义模型，并指定了权重文件路径。问题可能在于路径处理或环境配置差异。
部署运行你感兴趣的模型镜像

Python调用yolo模型

本文在pycharm实验没问题，在juypter notebook会报错。

导入依赖

#导入依赖
import torch

载入本地模型

C:/Users/Qingchen/yolov5为克隆的yolov5的路径，C:/Users/Qingchen/yolov5/best_0523.pt是自己训练模型的weights的路径，可以替换成官方给的weights测试

#载入本地模型
model = torch.hub.load('C:/Users/Qingchen/yolov5', 'custom', 'C:/Users/Qingchen/yolov5/best_0523.pt', source='local')

载入图片尽量用\\否则容易报错

#载入图片并显示
img = 'C:\\Users\\Qingchen\\yolov5\\data\\Doraemon\\a.jpg'
result = model(img)
result.show()

实验结果

在这里插入图片描述

完整代码

import torch
model = torch.hub.load('C:/Users/Qingchen/yolov5', 'custom', 'C:/Users/Qingchen/yolov5/best_0523.pt', source='local')
img = 'C:\\Users\\Qingchen\\yolov5\\data\\Doraemon\\a.jpg'
result = model(img)
result.show()

您可能感兴趣的与本文相关的镜像

Python3.10

Python3.10

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

python之调用yolo模型文件实现物体检测
我不是码农的博客~~~
09-03 424
项目直达链接：https://wwhu.lanzouj.com/iT4l417bm1wf。
做个 ROS 2 视觉检测开源库-使用 Python 调用 YOLO
生活不止眼前的苟且
04-23 1344
大家好，我是小鱼。今天继续和大家分享做个ROS 2 +视觉开源库系列文章的第二篇，使用 Python 来调用 YOLO。
pycharm运行YOLOv5 （一）
影子
09-01 6979
YOLOV5速度更快，最快科大140fps，体积更小，只有v4的1/9基于pytorch框架，更易于移植。YOLOv5的环境搭建。
配置并运行Yolov
最新发布
nauo__ashika__的博客
09-21 221
以下内容为1.终端下载配置环境变量2.在python中添加解释器3.回到终端中运行yolov5。
【YOLOv5】1.搭建Pycharm+Python+yolov5环境
xiaomeige的博客
06-15 5816
笔者也是YOLO-V5初学者，在使用YOLO-V5做一个目标识别和自动按键的项目的过程中遇到了不少的问题，故将自己的心得笔记记录下来分享。主要分享的是思路和步骤，许多细节问题如果遇到了一般也都能在网上找到解决方法。
Python中实现YOLO目标检测
ning的博客
12-15 3435
YOLO是一个强大的目标检测工具，可以在Python中轻松实现。通过使用预训练模型，我们可以快速地对图像和视频进行目标检测和追踪。本文提供了基本的使用示例，你可以根据需要进行扩展和定制。版权声明：本博客内容为原创，转载请保留原文链接及作者信息。参考文章Android部署自定义YOLOV8模型（2024.10.25）-全流程_android yolo-优快云博客零基础 从 yolo8 入门计算机视觉超简单：物体识别、图像分类、轨迹追踪、姿势识别 - 痴者工良。
python教程：如何调用yolo识别视频，易语言实现CMD。
qq_35501590的博客
06-21 483
这是一个学习python和opencv的知识片段，分享，帮助大家快速学习。
用不到 30 行 Python 代码实现 YOLO
weixin_34267123的博客
04-04 473
本文为 AI 研习社编译的技术博客，原标题 ： You Only Look Once(YOLO): Implementing YOLO in less than 30 lines of Python Code 作者 |Garima Nishad 翻译 | yasi 校对 | 约翰逊·李加薪 审核 ...
视觉检测开源库-使用 Python 调用 YOLO
ZPC8210的博客
10-12 873
然后使用 yolov5 加载预训练模型 yolov5n.pt ，接着就可以调用模型对图像进行检测，检测完成后首先获取结果张量，然后从其中获取检测到物体的位置数组 boxes，置信度评分数组 scores 和分类数组 categories。有了这三个结果数组，就可以遍历其中一个，我们选择遍历类别数组，在循环中分别获取类别的名字、置信度和位置并进行打印，需要注意的是这里的位置采用的是矩形框的左上角和右下角两个点的坐标进行表示的。
Python + YOLO模型的调用和测试
09-11
用Python调用训练好的YOLO模型对自己的图片进行检测 检测种类多达80种。 person bicycle car motorbike aeroplane bus train truck boat traffic light fire hydrant stop sign parking meter bench bird cat dog ...
精选资源
Java 调用 Python YOLO ONNX 模型进行视频目标检测与识别该方案支持 YOLOv5、YOLOv7、YOLOv8
12-05
Java 调用 Python YOLO ONNX 模型进行视频目标检测与识别，该方案支持 YOLOv5、YOLOv7、YOLOv8 等主流模型，并包含预处理、后处理步骤，可集成 RTSP/RTMP 协议进行视频流处理。系统架构包括 Java 应用程序负责视频流...
对YOLOv3模型调用时候的python接口详解
09-18
今天小编就为大家分享一篇对YOLOv3模型调用时候的python接口详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
精选资源
java 调用 python yolo onnx 模型 AI 视频 识别 支持 yolov5 yolov8 yolov7源代码
03-07
Java可以通过调用Python的YOLO...在整个流程中，Java应用可以进行预处理和后处理步骤，例如对图像进行缩放、裁剪、灰度化等预处理操作，以及对YOLO模型输出进行解析、筛选、可视化等后处理操作，从而提高目标检测和识别
Python编程：使用 YOLO 目标检测
倔强老吕的博客
06-29 1835
加载预训练模型model = YOLO("yolov8n.pt") # 小模型# 训练模型data="custom_dataset.yaml", # 数据集配置文件imgsz=640,batch=8,# 导出模型model.export(format="onnx") # 可导出为多种格式。
python写接口调用模型_对YOLOv3模型调用时候的python接口详解
weixin_39835607的博客
12-05 282
需要注意的是：更改完源程序.c文件，需要对整个项目重新编译、make install，对已经生成的文件进行更新，类似于之前VS中在一个类中增加新函数重新编译封装dll，而python接口的调用主要使用的是libdarknet.so文件，其余在配置文件中的修改不必重新进行编译安装。之前训练好的模型，在模型调用的时候，总是在lib = CDLL("/home/*****/*******/darknet...
【深度学习+Python】在python脚本中调用YOLOv3测试命令
qq_30885821的博客
06-11 534
这个其实就是在python脚本里调用shell命令。 python文件中对YOLOv3的全部调用如下： os.system("./darknet detector demo cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_25000.weights data/1.mp4") 调用完毕。非常简单，但是！！ 有两个事情需要注意： （1）python脚本文件需要位于darknet文件夹中 （2）打开终端，如果脚本是python2写的，就在终端中输入python
YOLOv8测试3：在Python中将YOLOv8模型封装成API接口使用（上传测试图片并返回识别结果，附测试代码）
积累，沉淀，温故而知新
04-04 1万+
本文在Python中将YOLOv8模型封装成API接口进行使用，通过调用封装好的API接口来实现自定义测试图片的上传，并返回识别结果。识别结果有两种：一种是完成识别后的图片；另一种是识别目标的类型，以及它们在图片中的坐标、大小，以文本形式返回。
python opencv 调用yolo的例子
realjc的博客
05-18 1268
#!/usr/bin/env python3 import cv2 import numpy as np import os path = os.getcwd() modelConfiguration = path+ '/model/yolov3.cfg' modelWeights = path+ '/model/yolov3.weights' classesFile = path + '/model/coco.names' class YOLO: def __init__(self):.
在python程序中使用YOLO v3（基于keras）
热门推荐
牧野的博客
08-03 3万+
在python程序中使用YOLO，可以为YOLO添加python接口，也可以把YOLO的网络框架和权重文件转换成keras或pytorch使用的格式，然后再在python程序中调用。这里介绍基于keras的YOLO调用。   完整项目代码下载地址 ： https://github.com/dcrmg/yolo3-training-keras-master   1. 生成keras的.h5文...
python调用yolo模型
12-29
### 如何在Python中加载并使用YOLO模型进行目标检测 为了实现这一功能，需先安装必要的库，如`opencv-python`和`numpy`。可以通过pip命令完成安装： ```bash pip install opencv-python numpy ``` 加载预训练的YOLO模型涉及几个关键步骤。首先定义模型路径，包括权重文件（weights）和配置文件（cfg）。通过OpenCV的DNN模块读取这些文件来初始化神经网络。 ```python import cv2 # 定义模型路径 weights_path = "yolov3.weights" config_path = "yolov3.cfg" # 使用 OpenCV 的 DNN 模块加载 YOLOv3 模型 net = cv2.dnn.readNetFromDarknet(config_path, weights_path) # 获取未连接层的名字列表 layer_names = net.getLayerNames() output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()] ``` 准备图像数据作为输入给YOLO模型之前，应该调整其大小到适合模型处理的形式，并转换成blob格式以便于传递至网络中。这一步骤对于确保良好的性能至关重要[^1]。 ```python image = cv2.imread('example.jpg') # 替换为实际图片路径 height, width, channels = image.shape # 将图像转化为 blob 形式供后续处理 blob = cv2.dnn.blobFromImage(image, scalefactor=1/255.0, size=(416, 416), swapRB=True, crop=False) net.setInput(blob) outs = net.forward(output_layers) ``` 最后，在获得预测结果后，解析输出以识别物体边界框及其类别标签。此过程可能涉及到非极大值抑制(NMS)算法去除冗余重叠区域提案，从而提高最终检测效果的质量。 ```python class_ids = [] confidences = [] boxes = [] for out in outs: for detection in out: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > 0.5: # 设置置信度阈值过滤弱检测 center_x = int(detection[0] * width) center_y = int(detection[1] * height) w = int(detection[2] * width) h = int(detection[3] * height) x = int(center_x - w / 2) y = int(center_y - h / 2) boxes.append([x, y, w, h]) confidences.append(float(confidence)) class_ids.append(class_id) indices = cv2.dnn.NMSBoxes(boxes, confidences, score_threshold=0.5, nms_threshold=0.4) if len(indices) > 0: for i in indices.flatten(): (x, y) = (boxes[i][0], boxes[i][1]) (w, h) = (boxes[i][2], boxes[i][3]) color = [int(c) for c in colors[class_ids[i]]] cv2.rectangle(image, (x, y), (x + w, y + h), color, thickness=2) text = f"{classes[class_ids[i]]}: {confidences[i]:.2f}" cv2.putText(image, text, (x, y - 5), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=0.5, color=color, thickness=2) ```
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一傲

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值