YOLOv5 PyTorch Hub模型允许在纯 Python 环境中进行简单的模型加载和推理,而无需使用detect.py
.
简单推理示例
此示例从 PyTorch Hub 加载预训练的 YOLOv5s 模型,model
并传递图像进行推理。'yolov5s'
是 YOLOv5 'small' 模型。有关所有可用模型的详细信息,请参阅自述文件。还可以加载自定义模型,包括自定义训练的 PyTorch 模型及其导出的变体,即 ONNX、TensorRT、TensorFlow、OpenVINO YOLOv5 模型。
import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5l, yolov5x, etc.
# model = torch.hub.load('ultralytics/yolov5', 'custom', 'path/to/best.pt') # custom trained model
# Images
im = 'https://ultralytics.com/images/zidane.jpg' # or file, Path, URL, PIL, OpenCV, numpy, list
# Inference
results = model(im)
# Results
results.print() # or .show(), .save(), .crop(), .pandas(), etc.
results.xyxy[0] # im predictions (tensor)
results.pandas().xyxy[0] # im predictions (pandas)
# xmin ymin xmax ymax confidence class name
# 0 749.50 43.50 1148.0 704.5 0.874023 0 person
# 2 114.75 195.75 1095.0 708.0 0.624512 0 person
# 3 986.00 304.00 1028.0 420.0 0.286865 27 tie
有关详细信息,请参阅YOLOv5 PyTorch Hub 教程。