用python实现YOLOv5(PyTorch)行人和车辆的目标检测 系列代码范例 含说明.docx

用 Python 实现 YOLOv5(PyTorch) 行人和车辆的目标检测 目标检测是计算机视觉中的重要任务之一，它可以用于实现自动驾驶、视频监控等应用。YOLOv5 是一种高效的目标检测算法，它基于 PyTorch 机器学习框架。下面是使用 Python 和 YOLOv5(PyTorch) 实现行人和车辆的目标检测系列代码范例。 安装 PyTorch 和 YOLOv5 在开始使用 YOLOv5 之前，我们需要安装 PyTorch 和 YOLOv5。PyTorch 是一个开源的机器学习框架，它可以帮助我们构建深度学习模型。YOLOv5 是一个基于 PyTorch 的目标检测算法，它可以快速准确地检测图像中的目标。我们可以使用以下命令安装 PyTorch 和 YOLOv5： ``` !pip install torch torchvision !git clone https://github.com/ultralytics/yolov5.git %cd yolov5 !pip install -r requirements.txt ``` 这将安装 PyTorch 和 YOLOv5，并将我们切换到 YOLOv5 目录。 加载模型 接下来，我们需要加载 YOLOv5 模型。我们可以使用以下代码： ``` import torch model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True) ``` 这将加载 YOLOv5s 模型，并将其存储在变量 model 中。YOLOv5s 是一种较小的模型，适合在较低端设备上运行。如果您的设备更强大，可以使用 YOLOv5m 或 YOLOv5l 模型。 执行目标检测 现在，我们可以使用 YOLOv5 模型执行目标检测。我们可以使用以下代码： ``` from PIL import Image img = Image.open('path/to/image.jpg') results = model(img) ``` 这将打开一张图像，并使用 YOLOv5 模型执行目标检测。结果将存储在变量 results 中。 显示检测结果 我们可以使用以下代码显示检测结果： ``` results.show() ``` 这将显示检测结果图像。 保存检测结果 我们可以使用以下代码将检测结果保存到文件中： ``` results.save('path/to/output.jpg') ``` 这将保存检测结果图像到指定路径。 完整代码示例 ``` import torch from PIL import Image # 加载模型 model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True) # 执行目标检测 img = Image.open('path/to/image.jpg') results = model(img) # 显示检测结果 results.show() # 保存检测结果 results.save('path/to/output.jpg') ``` 总结，在本文中，我们介绍了如何使用 Python 和 YOLOv5(PyTorch) 进行行人和车辆的目标检测。我们首先安装了 PyTorch 和 YOLOv5，然后加载了模型，并使用它执行了目标检测。我们显示了检测结果，并将其保存到文件中。