哪位大姥，知道为什么我yolov5识别模型然后出现边框，识别不出来

Question

monitor
    "left": 0,
    "top": 0,
    "width": 2560,
    "height": 1440 }
cv2.getWindowProperty('SF_TRT', cv2.WND_PROP_VISIBLE

wh

img = np.array(img)  
img = cv2.cvtColor(img, cv2.COLOR_BGRA2BGR)  
img = cv2.resize(img,(640,640))
model = model.to(device)
results =model(img)
xmins = results.pandas().xyxy[0]['xmin']
ymins = results.pandas().xyxy[0]['ymin']
xmaxs = results.pandas().xyxy[0]['xmax']
ymaxs = results.pandas().xyxy[0]['ymax']

for xmin, ymin, xmax, ymax in zip(xmins, ymins, xmaxs, ymaxs):
    cv2.rectangle(img, (xmin[0], ymin[1]), (xmax[2], ymax[3]), (0, 255, 0), 2)

cv2.namedWindow('SF_TRT', cv2.WINDOW_NORMAL)  
cv2.getWindowProperty('SF_TRT', cv2.WND_PROP_VISIBLE)
cv2.imshow('SF_TRT', img)
k = cv2.waitKey(1)
if k % 256 == 27

Answer 1

从您提供的代码片段来看，有几个地方需要注意和修改，以确保正确运行。下面是对您代码的一些修改建议：

1. 加载模型和设备分配：确保模型是在正确的设备（CPU 或 GPU）上加载的，并且在进行预测之前将图像也移动到相同的设备上。
2. 图像处理：确保图像的尺寸和格式正确。
3. 结果处理：正确地从结果中提取边界框坐标。
4. 绘制边界框：确保边界框坐标正确传递给 cv2.rectangle 函数。

修改后的代码示例

import cv2
import torch
from yolov5.models.experimental import attempt_load
from yolov5.utils.datasets import LoadImages
from yolov5.utils.general import non_max_suppression, scale_coords
from yolov5.utils.plots import plot_one_box

# 确保使用正确的模型路径
weights_path = 'path/to/your/yolov5_weights.pt'

# 加载模型
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = attempt_load(weights_path, map_location=device)

# 设置模型的输入尺寸
img_size = 640

# 加载图像
img_path = 'path/to/your/image.jpg'
img0 = cv2.imread(img_path)

# 图像预处理
img = cv2.cvtColor(img0, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (img_size, img_size))
img = img.transpose((2, 0, 1))  # HWC to CHW
img = img.astype(np.float32) / 255.0  # 归一化到0-1
img = torch.from_numpy(img).unsqueeze(0).to(device)

# 运行模型
model.eval()
with torch.no_grad():
    pred = model(img)[0]

# 非极大值抑制 (NMS)
pred = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)

# 处理检测结果
for i, det in enumerate(pred):  # detections per image
    if len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img0.shape).round()

        for *xyxy, conf, cls in reversed(det):
            label = f'{model.names[int(cls)]} {conf:.2f}'
            plot_one_box(xyxy, img0, label=label, color=(0, 255, 0), line_thickness=2)

# 显示结果
cv2.namedWindow('SF_TRT', cv2.WINDOW_NORMAL)
cv2.imshow('SF_TRT', img0)
cv2.waitKey(0)  # 等待按键退出
cv2.destroyAllWindows()

关键点解析

• 模型加载：使用 attempt_load 来加载模型，并确保模型和图像都在同一个设备上。
• 图像预处理：确保图像的尺寸、通道顺序和归一化正确。
• 预测：使用 non_max_suppression 来过滤掉重叠的边界框。
• 边界框绘制：使用 plot_one_box 函数来简化边界框的绘制过程。

注意事项

• 确保您的权重文件路径正确。
• 调整 conf_thres 和 iou_thres 参数以优化检测结果。
• 确保您的图像路径正确无误。