yolov5中的detect.py文件和val.py的区别是什么啊？

Question

yolov5中的detect.py文件和val.py的区别是什么啊？
val是用来验证当前模型 的map等指标
那么detect是指用一组新的数据来进行测试吗

Answer 1

detect是检测，可以检测视频流，网络视频，图片等，会给你绘制结果，不会告诉你这个模型好坏，具体你只能通过结果绘制的框自己判断；
val是验证你的模型好坏用的，一般是针对测试集做验证用的

Answer 2

• 你看下这篇博客吧, 应该有用👉 ：yolov5检测图片用detect.py
• 除此之外, 这篇博客: yolov5 detect文件参数解释（部分）中的 detect.py中参数解释 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• default默认值
  def parse_opt():
  parser = argparse.ArgumentParser()
  parser.add_argument(’–weights’, nargs=’+’, type=str, default=ROOT / ‘yolov5s.pt’, help=‘model path(s)’)
  parser.add_argument(’–source’, type=str, default=ROOT / ‘data/images’, help=‘file/dir/URL/glob, 0 for webcam’)
  parser.add_argument(’–imgsz’, ‘–img’, ‘–img-size’, nargs=’+’, type=int, default=[640], help=‘inference size h,w’)
  parser.add_argument(’–conf-thres’, type=float, default=0.25, help=‘confidence threshold’)
  #conf-thres表示置信度，default=0.25当有超过25%的可能时，显示预测框
  parser.add_argument(’–iou-thres’, type=float, default=0.45, help=‘NMS IoU threshold’)
  #iou-thres表示交并比，控制单个目标框的多少，default=0.45表示iou小于该阈值时当作两个框处理，default=1框与框完全重合才能合并，结果中会有多个框出现。default=0表示只要框与框有交集部分就可以合并，故结果中没有重合的框。
  parser.add_argument(’–max-det’, type=int, default=1000, help=‘maximum detections per image’)
  parser.add_argument(’–device’, default=’’, help=‘cuda device, i.e. 0 or 0,1,2,3 or cpu’)#设备
  parser.add_argument(’–view-img’, action=‘store_true’, help=‘show results’)
  #弹出显示结果,具体操作如下
  
  parser.add_argument(’–save-txt’, action=‘store_true’, help=‘save results to *.txt’)
  #保存txt格式的结果
  
  parser.add_argument(’–save-conf’, action=‘store_true’, help=‘save confidences in --save-txt labels’)#保存置信度txt
  parser.add_argument(’–save-crop’, action=‘store_true’, help=‘save cropped prediction boxes’)
  parser.add_argument(’–nosave’, action=‘store_true’, help=‘do not save images/videos’)#不保存
  parser.add_argument(’–classes’, nargs=’+’, type=int, help=‘filter by class: --classes 0, or --classes 0 2 3’)
  #指定预测结果只显示person标签或balabala
  
  parser.add_argument(’–agnostic-nms’, action=‘store_true’, help=‘class-agnostic NMS’)
  parser.add_argument(’–augment’, action=‘store_true’, help=‘augmented inference’)#增强（效果不明显）
  parser.add_argument(’–visualize’, action=‘store_true’, help=‘visualize features’)
  parser.add_argument(’–update’, action=‘store_true’, help=‘update all models’)
  parser.add_argument(’–project’, default=ROOT / ‘runs/detect’, help=‘save results to project/name’)#结果保存位置
  parser.add_argument(’–name’, default=‘exp’, help=‘save results to project/name’)#保存结果文件名
  parser.add_argument(’–exist-ok’, action=‘store_true’, help=‘existing project/name ok, do not increment’)
  #如果设置这个参数，exp文件夹不会增加结果保存在指定（exp）文件夹下
  parser.add_argument(’–line-thickness’, default=3, type=int, help=‘bounding box thickness (pixels)’)
  parser.add_argument(’–hide-labels’, default=False, action=‘store_true’, help=‘hide labels’)
  parser.add_argument(’–hide-conf’, default=False, action=‘store_true’, help=‘hide confidences’)
  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’)
  opt = parser.parse_args()
  opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand
  print_args(FILE.stem, opt)
  return opt

  补充：opt打断点可以看到参数状态

  
  参考视频：如何利用yolov5进行预测

  宝藏传送门