[Python] 纯文本查看 复制代码
# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
"""
Run inference on images, videos, directories, streams, etc.
Usage:
$ python path/to/detect.py --weights yolov5s.pt --source 0 # webcam
img.jpg # image
vid.mp4 # video
path/ # directory
path/*.jpg # glob
'https://youtu.be/Zgi9g1ksQHc' # YouTube
'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream
"""
import argparse
import os
import sys
from pathlib import Path
import cv2 # opencv包
import torch
import torch.backends.cudnn as cudnn
# 第一部分导入已经安装在环境里的库
FILE = Path(__file__).resolve() # __file__获取当前文件的绝对路径‪E:\YOLOTOW\detect.py
ROOT = FILE.parents[0] # YOLOv5 root directory 获取ROOT的次一级目录比如‪ E:\YOLOTOW父目录
if str(ROOT) not in sys.path: # 模块查询的路径列表(确保导包的文件路径存在路径中)
sys.path.append(str(ROOT)) # add ROOT to PATH
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # 绝对路径转化为相对路径
# 第二部分就是处理文件的路径问题
from models.common import DetectMultiBackend
from utils.datasets import IMG_FORMATS, VID_FORMATS, LoadImages, LoadStreams
from utils.general import (LOGGER, check_file, check_img_size, check_imshow, check_requirements, colorstr,
increment_path, non_max_suppression, print_args, scale_coords, strip_optimizer, xyxy2xywh)
from utils.plots import Annotator, colors, save_one_box
from utils.torch_utils import select_device, time_sync
# 第三部分导入文件里的类
# 导入py包
@torch.no_grad()
# 核心的run函数的部分
# 分成6个部分
# run(函数传入的值，设置了实参，如果没有传入则默认使用实参的内容)
def run(weights=ROOT / 'yolov5s.pt', # 指定不同的权重文件
source=ROOT / 'data/images', # 指定读取那个文件夹文件或者视频亦或者直播流地址
imgsz=640, # 模型在检测图片前会把图片resize成640的size，然后再喂进网络里，并不是说会把们最终得到的结果resize成640大小
conf_thres=0.25, # 置信度的阈值
iou_thres=0.45, # 调节IoU的阈值
max_det=1000, # 最大检测数量，默认是最多检测1000个目标
device='', # GPU数量，如果不指定的话，他会自动检测，这个参数是给GPU多的土豪准备的
view_img=False, # 检测的时候是否实时的把检测结果显示出来
save_txt=False, # 是否把检测结果保存成一个.txt的格式
save_conf=False, # 是否以.txt的格式保存目标的置信度
save_crop=False, # 是否把模型检测的物体裁剪下来---就是实时保存检测到的目标
nosave=False, # 不保存预测的结果，但是还会生成exp文件夹，只不过是一个空的exp
classes=None, # 可以给变量指定多个赋值，也就是说我们可以把“0”赋值给“classes”，也可以把“0”“2”“4”“6”都赋值给“classes 暂时理解为指定是被模型的类型
agnostic_nms=False, # 增强版的nms，算是一种trick吧
augment=False, # 这个参数也是一种增强的方式
visualize=False, # 是否把特征图可视化出来，如果开启了这和参数可以看到exp文件夹下又多了一些文件，这里.npy格式的文件就是保存的模型文件，可以使用numpy读写,.png就是图片文件啦
update=False, # 指定这个参数，则对所有模型进行strip_optimizer操作，去除pt文件中的优化器等信息
project=ROOT / 'runs/detect', # 预测结果保存的路径
name='exp', # 预测结果保存的文件夹名字
exist_ok=False, # 每次预测模型的结果是否保存在原来的文件夹，如果指定了这个参数的话，那么本次预测的结果还是保存在上一次保存的文件夹里；如果不指定就是每次预测结果保存一个新的文件夹下
line_thickness=3, # 这个参数就是调节预测框线条粗细的，因为有的时候目标重叠太多会产生遮挡
hide_labels=False, # 参数就是隐藏标签的
hide_conf=False, # 隐藏标签的置信度用的
half=False, # 是否使用 FP16 半精度推理，简单介绍一下低精度技术
dnn=False, # 这个参数的意思就是是否使用 OpenCV DNN 进行 ONNX 推理 DNN即Deep Neural Networks
):
# 输入的路径变为字符串
source = str(source) # 第一部分对source 就是命令行传入的部分进行了一些判断--source data/images/fishman.jpg
# 处于预测路径 str() 强制把路径转化为字符串类型
# 是否保存图片和txt文件
save_img = not nosave and not source.endswith('.txt') # nosave=False因为默认值是false所以not 一般表示取反 以及判断文件后缀是否为txt然后取反true表示预测结果需要保存下来
# 判断文件是否是视频流
# Path()提取文件名 例如：Path("./data/test_images/bus.jpg") Path.name->bus.jpg Path.parent->./data/test_images Path.suffix->.jpg
is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) # 判断文件路径是否为视频以及图片格式 提取文件后缀名是否符合要求的文件，例如：是否格式是jpg, png, asf, avi等
# .lower()转化成小写 .upper()转化成大写 .title()首字符转化成大写，其余为小写, .startswith('http://')返回True or Flase
is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) # 判断文件路径是否为直播格式网络流地址
# .isnumeric()是否是由数字组成，返回True or False
webcam = source.isnumeric() or source.endswith('.txt') or (is_url and not is_file) # 判断是否为启动电脑摄像头0数字为 0 或者文件为txt或者为直播流格式等等说
# source.isnumeric()数字为0，则表示为打开电脑的第一个摄像头 source.endswith('.txt') 表示传入的路径是否为txt结尾的 (is_url and not is_file)表示是否为直播流开头或者已图片或者视频开头的 not is_file 表示不是文件
if is_url and is_file:
# 判断 is_url 是否为ture 和 is_file 是否为true 也就是是否为直播流和视频文件
# 返回文件
source = check_file(source) # 如果是true的，他就会根据直播流的地址去下载视频----专门处理直播流参数的
# 第二部分新建了一个保存结果的文件夹
# 预测路径是否存在，不存在新建，按照实验文件以此递增新建
save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # project表示 project=ROOT / 'runs/detect', 这个文件部分 name对于的是 name='exp',这个参数
# increment_path表示增量路径 检测文件夹下的exp数字到几了，然后再加一一个文件夹 也就表示save_dir 文件下的这个路径
(save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # 判断save_txt是否为ture 如果是则增量路径创建文件夹用来去存储一个结果
# 第三部分加载模型的权重
# 获取设备 CPU/CUDA
device = select_device(device) # 根据加载环境不同去选择加载的设备
# 检测编译框架PYTORCH/TENSORFLOW/TENSORRT
model = DetectMultiBackend(weights, device=device, dnn=dnn) # 选择模型的后端框架DetectMultiBackend weights表示ROOT / 'yolov5s.pt' device表示cpu或者gpu dnn表示 dnn=False,
stride, names, pt, jit, onnx = model.stride, model.names, model.pt, model.jit, model.onnx # 加载完成之后，开始检测出模型的步长 模型的昵称 等参数
# 确保输入图片的尺寸imgsz能整除stride=32 如果不能则调整为能被整除并返回
imgsz = check_img_size(imgsz, s=stride) # imgsz表示输入的模型的图片的大小 stride表示模型的步长 然后检测是否为模型的倍数 如果是那么还是640*640的尺寸 必须是输入尺寸的32倍一定是倍数关系，如果没有则会默认给你计算一个倍数
# Half
# 如果不是CPU，使用半进度(图片半精度/模型半精度)
half &= pt and device.type != 'cpu' # half precision only supported by PyTorch on CUDA
if pt:
model.model.half() if half else model.model.float()
# 第四部分专门定义了 Dataloader模块，用来加载待预测的图片
# 使用视频流或者页面
if webcam:
# 判断webcam是否是数字也就是是否是调用到电脑摄像头
view_img = check_imshow()
cudnn.benchmark = True # set True to speed up constant image size inference
dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt and not jit)
bs = len(dataset) # batch_size
else:
# 如果不是则会跑到这里来，加载图片文件
# 直接从source文件下读取图片
dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt and not jit)
# 加载图片文件是先是初始化LoadImages(专门加载图片的模块)对象
bs = 1 # batch_size 表示每次输入一张图片
# 保存的路径
vid_path, vid_writer = [None] * bs, [None] * bs # 设置列表长度 默认为1
# 第五部分去执行一个模型的推理过程--把图片输入模型产生一个预测结果，并把预测框给画出来
if pt and device.type != 'cpu':
model(torch.zeros(1, 3, *imgsz).to(device).type_as(next(model.model.parameters()))) # warmup 热身的意思 初始化先给一张空白的图片给gpu跑一下预热，机器启动
dt, seen = [0.0, 0.0, 0.0], 0 # 在识别前预设的用于存储一些结果信息 dt变量用来储存时间
for path, im, im0s, vid_cap, s in dataset:
# 热身完成之后，就把图片依次传入模型，进行识别
# dataset使用数据加载模型，进行一张一张的遍历识别
# path 图片路径
# im 预处理过的图片文件（RGB，长，宽）
# im0s 表示原图
# vid_cap 返回空
# s 代表图片打印的信息
t1 = time_sync() # 代表时间与电脑系统时间同步
# 转化到GPU上
im = torch.from_numpy(im).to(device) # im代表处理过的图片 也就是torch.Size([3,640,480]) 颜色通道 高 宽 转化格式之后再放到cpu/gpu上进行检测
# 是否使用半精度
im = im.half() if half else im.float() # uint8 to fp16/32 判断你的模型有没有使用半精度
im /= 255 # 0 - 255 to 0.0 - 1.0 把输入的图片数据除于255的大小，做了一个归一化的操作
if len(im.shape) == 3: # 判断输入图片的字符串尺寸是否为3 （[3,640,480]这个部分），
# 增加一个维度
im = im[None] # expand for batch dim 然后扩增尺寸 torch.Size([1,3,640,480])
t2 = time_sync() # 代表时间与电脑系统时间同步
dt[0] += t2 - t1 # 记录一下第1部分的耗时对应 dt变量用来储存时间
# Inference
# 第二部分就是对第一部分整理好的数据图片进行预测
# 可是化文件路径
visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False
"""
pred.shape=(1, num_boxes, 5+num_class)
h,w为传入网络图片的长和宽,注意dataset在检测时使用了矩形推理,所以这里h不一定等于w
num_boxes = h/32 * w/32 + h/16 * w/16 + h/8 * w/8
pred[..., 0:4]为预测框坐标=预测框坐标为xywh(中心点+宽长)格式
pred[..., 4]为objectness置信度
pred[..., 5:-1]为分类结果
"""
# visualize=False, # 是否把特征图可视化出来，如果开启了这和参数可以看到exp文件夹下又多了一些文件，这里.npy格式判断这个
# 保存特征图片
pred = model(im, augment=augment, visualize=visualize) # augment表示是否需要做一个数据增强 有点提升准确率代价就是速度被降低
# pred变量的意思及是被检测出来的所有的数据的框--还需要再过滤一遍
t3 = time_sync() # 代表时间与电脑系统时间同步
dt[1] += t3 - t2 # 记录一下第2部分的耗时对应 dt变量用来储存时间
# 首先对每一张图片做了预处理
# 再做一个NMS 也就是做一个非极大值的过滤
# NMS 已经获取了所有的图片的信息
"""
pred: 网络的输出结果
conf_thres:置信度阈值
ou_thres:iou阈值
classes: 是否只保留特定的类别
agnostic_nms: 进行nms是否也去除不同类别之间的框
max-det: 保留的最大检测框数量
---NMS, 预测框格式: xywh(中心点+长宽)-->xyxy(左上角右下角)
pred是一个列表list[torch.tensor], 长度为batch_size
每一个torch.tensor的shape为(num_boxes, 6), 内容为box + conf + cls
"""
pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)
# 根据图片的conf_thres iou_thres 置信度进行过滤置信度太低的就算了--根据置信度过滤
# max_det表示一张图片中能检测多少张图片默认值为1000个--超过一千个就会自动过滤剩下的目标
# 预测+NMS的时间
dt[2] += time_sync() - t3 # 记录一下第3部分的耗时对应 dt变量用来储存时间
# Second-stage classifier (optional)
# pred = utils.general.apply_classifier(pred, classifier_model, im, im0s)
# Process predictions
# 对所检测的框进行进一步处理
# 最后把所有的检测框划到原图中--以及保存结果的操作
for i, det in enumerate(pred): # per image 遍历每一张图片 det代表那些检测框的信息
seen += 1 # 也就是之前定义好的变量 计数的功能
# mask for certain region
if webcam: # batch_size >= 1 判断是否是调用计算机的摄像头数
p, im0, frame = path[i], im0s[i].copy(), dataset.count
s += f'{i}: '
else:
p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0)
# p 表示循环图片的路径
# frame 表示dataset有没有 frame的属性 如果没有则表示 0
p = Path(p) # to Path
save_path = str(save_dir / p.name) # im.jpg表示图片的保存路径
txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt 保存txt文件的路径
s += '%gx%g ' % im.shape[2:] # print string 拼接表示%gx%g图片的尺寸
gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] # normalization gain whwh 获得原图的宽和高的大小
imc = im0.copy() if save_crop else im0 # for save_crop 判断是否需要把检测到的目标模型给裁剪下来
annotator = Annotator(im0, line_width=line_thickness, example=str(names)) # 定义一个绘图的工具，传入原图与画线的工具，检测框的粗细 names 写上标签的标签名
if len(det):
# Rescale boxes from img_size to im0 size 因为尺寸问题预测出来的值不能直接画到原图中 做一个坐标映射的功能
det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round()
# Print results 统计所有框的类别再添加到s的变量上 并打印出来
for c in det[:, -1].unique():
n = (det[:, -1] == c).sum() # detections per class
s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string
# Write results 是否保存预测结果
for *xyxy, conf, cls in reversed(det):
if save_txt: # Write to file 如果需要保存成txt文档
xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh
line = (cls, *xywh, conf) if save_conf else (cls, *xywh) # label format
with open(txt_path + '.txt', 'a') as f:
f.write(('%g ' * len(line)).rstrip() % line + '\n')
if save_img or save_crop or view_img: # Add bbox to image
c = int(cls) # integer class 如果需要把图片保存则执行这里的内容 默认都是不执行的需要自己调
# c 变量获取cls变量的类别
label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}')
# hide_labels 隐藏标签做一个判断，如果是则执行 再判断 是否隐藏标签的置信度
annotator.box_label(xyxy, label, color=colors(c, True))
if save_crop:
# 判断是否保存截图下来的目标框
save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True)
# Print time (inference-only) 每次遍历之后的打印的结果
LOGGER.info(f'{s}Done. ({t3 - t2:.3f}s)')
# Stream results
im0 = annotator.result() # 返回画好的图片
if view_img:
# 判断是否需要显示出来
cv2.imshow(str(p), im0)
cv2.waitKey(1) # 1 millisecond
# Save results (image with detections)
if save_img:
if dataset.mode == 'image':
cv2.imwrite(save_path, im0)
# 如果需要保存下来，则使用opencv保存图片的函数
else: # 'video' or 'stream'
if vid_path[i] != save_path: # new video
vid_path[i] = save_path
if isinstance(vid_writer[i], cv2.VideoWriter):
vid_writer[i].release() # release previous video writer
if vid_cap: # video
fps = vid_cap.get(cv2.CAP_PROP_FPS)
w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
else: # stream
fps, w, h = 30, im0.shape[1], im0.shape[0]
save_path += '.mp4'
vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
vid_writer[i].write(im0)
# Print results 第六部分负责最终打印出来的结果输出信息
t = tuple(x / seen * 1E3 for x in dt) # speeds per image 统计打印结果
LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms 结果可以写中文 per image at shape {(1, 3, *imgsz)}' % t)
if save_txt or save_img:
s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels这里也是 saved to {save_dir / 'labels'}" if save_txt else ''
LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}")
# 如果保存txt结果或者图片结果，则会而外打印出一些信息 说明一些图片被保存在那些的文件夹中
if update:
strip_optimizer(weights) # update model (to fix SourceChangeWarning)
# 解析命令行传来的参数
# 这个部分代码可以分成三个部分
def parse_opt():
"""
weights: 训练的权重路径,可以使用自己训练的权重,也可以使用官网提供的权重
默认官网的权重yolov5s.pt(yolov5n.pt/yolov5s.pt/yolov5m.pt/yolov5l.pt/yolov5x.pt/区别在于网络的宽度和深度以此增加)
source: 测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流, 默认data/images
data: 配置数据文件路径, 包括image/label/classes等信息, 训练自己的文件, 需要作相应更改, 可以不用管
如果设置了只显示个别类别即使用了--classes = 0 或二者1, 2, 3等, 则需要设置该文件，数字和类别相对应才能只检测某一个类
imgsz: 网络输入图片大小, 默认的大小是640
conf-thres: 置信度阈值， 默认为0.25
iou-thres: 做nms的iou阈值, 默认为0.45
max-det: 保留的最大检测框数量, 每张图片中检测目标的个数最多为1000类
device: 设置设备CPU/CUDA, 可以不用设置
view-img: 是否展示预测之后的图片/视频, 默认False, --view-img 电脑界面出现图片或者视频检测结果
save-txt: 是否将预测的框坐标以txt文件形式保存, 默认False, 使用--save-txt 在路径runs/detect/exp*/labels/*.txt下生成每张图片预测的txt文件
save-conf: 是否将置信度conf也保存到txt中, 默认False
save-crop: 是否保存裁剪预测框图片, 默认为False, 使用--save-crop 在runs/detect/exp*/crop/剪切类别文件夹/ 路径下会保存每个接下来的目标
nosave: 不保存图片、视频, 要保存图片，不设置--nosave 在runs/detect/exp*/会出现预测的结果
classes: 设置只保留某一部分类别, 形如0或者0 2 3, 使用--classes = n, 则在路径runs/detect/exp*/下保存的图片为n所对应的类别, 此时需要设置data
agnostic-nms: 进行NMS去除不同类别之间的框, 默认False
augment: TTA测试时增强/多尺度预测
visualize: 是否可视化网络层输出特征
update: 如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False
project:保存测试日志的文件夹路径
name:保存测试日志文件夹的名字, 所以最终是保存在project/name中
exist_ok: 是否重新创建日志文件, False时重新创建文件
line-thickness: 画框的线条粗细
hide-labels: 可视化时隐藏预测类别
hide-conf: 可视化时隐藏置信度
half: 是否使用F16精度推理, 半进度提高检测速度
dnn: 用OpenCV DNN预测
"""
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=0.5, help='confidence threshold')
parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
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')
parser.add_argument('--view-img', action='store_true', help='show results')
parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
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')
parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
parser.add_argument('--augment', action='store_true', help='augmented inference')
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')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
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()
# 以上部分定义一些命令行可以传来的参数 default表示一个默认值
opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # 对imgsz图片尺寸做了一个额外的判断 扩充维度, 如果是一位就扩充一位
# 判断 imgaesz的长度是否为1，则需要把这个长度文字乘2 这样就保证长宽都是都是规定的值的正方形
# 如果没有定义，则使用默认的，判断imgaesz的值判断是否为长和宽相同，用于保证至少是和正方形
print_args(FILE.stem, opt)
# 输出所有参数
# 打印出，处理好的参数信息并返回
# opt变量用于暂时存储这些参数信息-并返回
return opt
def main(opt):
# 检查环境/打印参数,主要是requrement.txt的包是否安装，用彩色显示设置的参数
check_requirements(exclude=('tensorboard', 'thop')) # 用于检测 requiremants.txt 内的依赖包是否完成了安装
run(**vars(opt)) # 执行run函数并把值传入，图片加载，图片保存，以及图片识别都在run函数内去执行
# 命令使用
# python detect.py --weights runs/train/exp_yolov5s/weights/best.pt --source data/images/fishman.jpg # webcam
# 完成导包步奏之后接下来
# 就会执行__name__的内的2个方法
if __name__ == "__main__":
opt = parse_opt()
# 负责解析命令行传来的参数 python detect.py --weights runs/train/exp_yolov5s/weights/best.pt --source data/images/fishman.jpg
main(opt)
# 传值给main函数 执行定义号的main函数
[复制链接]
发表于 2022-7-16 11:48
