为什么在 YOLOv5 中两个结果不同？

Question

我想用yolov5知道图片中的车辆数量但是，模型的结果与 detect.py

不同

0。 img

1. model_result

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom

# Images
img = 'D:\code\YOLO\dataset\img\public02.png'  # or file, Path, PIL, OpenCV, numpy, list

# Inference
results = model(img)

# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.

结果 -> (no detections)

2。 detect.py

from IPython.display import Image
import os

val_img_path = 'D:\code\YOLO\dataset\img\public02.png'
 
!python detect.py --img 416 --conf 0.25 --source "{val_img_path}"

结果 ->

我知道如果我在detect.py中不指定权重选项，则使用默认的yolo5s模型。但是，结果 1 与使用相同模型的结果 2 不同。

Answer 1

看来是图像处理的问题。

实际上，对于您的示例，从 torch hub 加载的模型给出的输出与 detect.py 不同。查看 detect.py 的源代码，我发现有一些很好的图像预处理。从模型中心，我真的不知道输入发生了什么。从模型中心，生成的图像是这样的：

通过他们的预处理，这基本上就是您输入模型的图像。不希望从中进行任何检测都是诚实的。

但后来我尝试自己进行预处理（在他们的 tutorial 中也有说明）

import torch
import cv2

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom

# Image
imgPath = '/content/9X9FP.png'
img = cv2.imread(imgPath)[..., ::-1]  # Pre-processing OpenCV image (BGR to RGB)

# Inference
results = model(img)

# Results
results.save()

一切正常：

所以为了快速简单的回答，我会自己做预处理，这只是一个简单的一行额外步骤。祝你好运！

为什么在 YOLOv5 中两个结果不同？

Why are the two results different in YOLOv5?

python

object-detection

yolo

yolov5