文章目录

  • Introduction
  • Section 1 起因
  • Section 2 魔改的思路
  • Section 3 代码
    • Part 1 参数部分
    • Part 2 识别 API
    • Part 3 完整的 `DetectAPI.py`
    • Part 4 修改 `dataloaders.py`
  • Section 4 调用
  • Section 5 以库文件的形式进行安装与调用
  • Reference

Introduction

YoloV5 作为 YoloV4 之后的改进型，在算法上做出了优化，检测的性能得到了一定的提升。其特点之一就是权重文件非常的小，可以在一些配置更低的移动设备上运行，且提高速度的同时准确度更高。具体的性能见下图[^1]。本次使用的是最新推出的 YoloV5 Version7 版本。
GitHub 地址：YOLOv5是世界上最受欢迎的视觉 AI，代表 Ultralytics 对未来视觉 AI 方法的开源研究，结合在数千小时的研究和开发中积累的经验教训和最佳实践。

Section 1 起因

本人目前的一个项目需要使用到手势识别，得益于 YoloV5 的优秀的识别速度与准确率，因此识别部分的模型均使用 YoloV5 Version7 版本进行训练。训练之后需要使用这个模型，原始的 detect.py 程序使用 argparse 对参数进行封装，这为初期验证模型提供了一定的便利，我们可以通过 Pycharm 或者 Terminal 来快速地执行程序，然后在 run/detect 路径下快速地查看到结果。但是在实际的应用中，识别程序往往是作为整个系统的一个组件来运行的，现有的 detect.py 无法满足使用需求，因此需要将其封装成一个可供多个程序调用的 API 接口。通过这个接口可以获得 种类、坐标、置信度 这三个信息。通过这些信息来控制系统软件做出对应的操作。

Section 2 魔改的思路

这部分的代码与思路参照了[^2] 爆改YOLOV7的detect.py制作成API接口供其他python程序调用（超低延时） 这篇文章的思路。由于 YoloV5 和 YoloV7 的程序有些许不一样，因此做了一些修改。

大体的思路是去除掉 argparse 部分，通过类将参数封装进去，去除掉识别这个核心功能之外的其它功能。

Section 3 代码

Part 1 参数部分

需要传入一些常用的参数，后面的 API 会使用到这个类里面的参数

class YoloOpt:def __init__(self, weights='weights/last.pt', imgsz=(640, 640), conf_thres=0.25, iou_thres=0.45, device='cpu', view_img=False, classes=None, agnostic_nms=False, augment=False, update=False, exist_ok=False, project='/detect/result', name='result_exp', save_csv=True):self.weights = weights# 权重文件地址self.source = None# 待识别的图像if imgsz is None:self.imgsz = (640, 640)self.imgsz = imgsz# 输入图片的大小，默认 (640,640)self.conf_thres = conf_thres# object置信度阈值 默认0.25用在nms中self.iou_thres = iou_thres# 做nms的iou阈值 默认0.45 用在nms中self.device = device# 执行代码的设备，由于项目只能用 CPU，这里只封装了 CPU 的方法self.view_img = view_img# 是否展示预测之后的图片或视频 默认Falseself.classes = classes# 只保留一部分的类别，默认是全部保留self.agnostic_nms = agnostic_nms# 进行NMS去除不同类别之间的框, 默认Falseself.augment = augment# augmented inference TTA测试时增强/多尺度预测，可以提分self.update = 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Falseself.exist_ok = exist_ok# 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Falseself.project = project# 保存测试日志的参数，本程序没有用到self.name = name# 每次实验的名称，本程序也没有用到self.save_csv = save_csv# 是否保存成 csv 文件，本程序目前也没有用到

Part 2 识别 API

class DetectAPI:def __init__(self, weights, imgsz=640):self.opt = YoloOpt(weights=weights, imgsz=imgsz)weights = self.opt.weightsimgsz = self.opt.imgsz# Initialize 初始化# 获取设备 CPU/CUDAself.device = select_device(self.opt.device)# 不使用半精度self.half = self.device.type != 'cpu'# # FP16 supported on limited backends with CUDA# Load model 加载模型self.model = DetectMultiBackend(weights, self.device, dnn=False)self.stride = self.model.strideself.names = self.model.namesself.pt = self.model.ptself.imgsz = check_img_size(imgsz, s=self.stride)# 不使用半精度if self.half:self.model.half() # switch to FP16# read names and colorsself.names = self.model.module.names if hasattr(self.model, 'module') else self.model.namesself.colors = [[random.randint(0, 255) for _ in range(3)] for _ in self.names]def detect(self, source):# 输入 detect([img])if type(source) != list:raise TypeError('source must a list and contain picture read by cv2')# DataLoader 加载数据# 直接从 source 加载数据dataset = LoadImages(source)# 源程序通过路径加载数据，现在 source 就是加载好的数据，因此 LoadImages 就要重写bs = 1 # set batch size# 保存的路径vid_path, vid_writer = [None] * bs, [None] * bs# Run inferenceresult = []if self.device.type != 'cpu':self.model(torch.zeros(1, 3, self.imgsz, self.imgsz).to(self.device).type_as(next(self.model.parameters())))# run oncedt, seen = (Profile(), Profile(), Profile()), 0for im, im0s in dataset:with dt[0]:im = torch.from_numpy(im).to(self.model.device)im = im.half() if self.model.fp16 else im.float()# uint8 to fp16/32im /= 255# 0 - 255 to 0.0 - 1.0if len(im.shape) == 3:im = im[None]# expand for batch dim# Inferencepred = self.model(im, augment=self.opt.augment)[0]# NMSwith dt[2]:pred = non_max_suppression(pred, self.opt.conf_thres, self.opt.iou_thres, self.opt.classes, self.opt.agnostic_nms, max_det=2)# Process predictions# 处理每一张图片det = pred[0]# API 一次只处理一张图片，因此不需要 for 循环im0 = im0s.copy()# copy 一个原图片的副本图片result_txt = []# 储存检测结果，每新检测出一个物品，长度就加一。 # 每一个元素是列表形式，储存着 类别，坐标，置信度# 设置图片上绘制框的粗细，类别名称annotator = Annotator(im0, line_width=3, example=str(self.names))if len(det):# Rescale boxes from img_size to im0 size# 映射预测信息到原图det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round()# for *xyxy, conf, cls in reversed(det):line = (int(cls.item()), [int(_.item()) for _ in xyxy], conf.item())# label formatresult_txt.append(line)label = f'{self.names[int(cls)]} {conf:.2f}'annotator.box_label(xyxy, label, color=self.colors[int(cls)])result.append((im0, result_txt))# 对于每张图片，返回画完框的图片，以及该图片的标签列表。return result, self.names

Part 3 完整的 DetectAPI.py

import argparseimport osimport platformimport randomimport sysfrom pathlib import Pathimport torchfrom torch.backends import cudnnFILE = Path(__file__).resolve()ROOT = FILE.parents[0]# YOLOv5 root directoryif str(ROOT) not in sys.path:sys.path.append(str(ROOT))# add ROOT to PATHROOT = Path(os.path.relpath(ROOT, Path.cwd()))# relativefrom models.common import DetectMultiBackendfrom utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreamsfrom utils.general import (LOGGER, Profile, check_file, check_img_size, check_imshow, check_requirements, colorstr, cv2, increment_path, non_max_suppression, print_args, scale_boxes, strip_optimizer, xyxy2xywh)from utils.plots import Annotator, colors, save_one_boxfrom utils.torch_utils import select_device, smart_inference_mode, time_sync"""使用面向对象编程中的类来封装，需要去除掉原始 detect.py 中的结果保存方法，重写保存方法将结果保存到一个 csv 文件中并打上视频的对应帧率"""class YoloOpt:def __init__(self, weights='weights/last.pt', imgsz=(640, 640), conf_thres=0.25, iou_thres=0.45, device='cpu', view_img=False, classes=None, agnostic_nms=False, augment=False, update=False, exist_ok=False, project='/detect/result', name='result_exp', save_csv=True):self.weights = weights# 权重文件地址self.source = None# 待识别的图像if imgsz is None:self.imgsz = (640, 640)self.imgsz = imgsz# 输入图片的大小，默认 (640,640)self.conf_thres = conf_thres# object置信度阈值 默认0.25用在nms中self.iou_thres = iou_thres# 做nms的iou阈值 默认0.45 用在nms中self.device = device# 执行代码的设备，由于项目只能用 CPU，这里只封装了 CPU 的方法self.view_img = view_img# 是否展示预测之后的图片或视频 默认Falseself.classes = classes# 只保留一部分的类别，默认是全部保留self.agnostic_nms = agnostic_nms# 进行NMS去除不同类别之间的框, 默认Falseself.augment = augment# augmented inference TTA测试时增强/多尺度预测，可以提分self.update = 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Falseself.exist_ok = exist_ok# 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Falseself.project = project# 保存测试日志的参数，本程序没有用到self.name = name# 每次实验的名称，本程序也没有用到self.save_csv = save_csv# 是否保存成 csv 文件，本程序目前也没有用到class DetectAPI:def __init__(self, weights, imgsz=640):self.opt = YoloOpt(weights=weights, imgsz=imgsz)weights = self.opt.weightsimgsz = self.opt.imgsz# Initialize 初始化# 获取设备 CPU/CUDAself.device = select_device(self.opt.device)# 不使用半精度self.half = self.device.type != 'cpu'# # FP16 supported on limited backends with CUDA# Load model 加载模型self.model = DetectMultiBackend(weights, self.device, dnn=False)self.stride = self.model.strideself.names = self.model.namesself.pt = self.model.ptself.imgsz = check_img_size(imgsz, s=self.stride)# 不使用半精度if self.half:self.model.half() # switch to FP16# read names and colorsself.names = self.model.module.names if hasattr(self.model, 'module') else self.model.namesself.colors = [[random.randint(0, 255) for _ in range(3)] for _ in self.names]def detect(self, source):# 输入 detect([img])if type(source) != list:raise TypeError('source must a list and contain picture read by cv2')# DataLoader 加载数据# 直接从 source 加载数据dataset = LoadImages(source)# 源程序通过路径加载数据，现在 source 就是加载好的数据，因此 LoadImages 就要重写bs = 1 # set batch size# 保存的路径vid_path, vid_writer = [None] * bs, [None] * bs# Run inferenceresult = []if self.device.type != 'cpu':self.model(torch.zeros(1, 3, self.imgsz, self.imgsz).to(self.device).type_as(next(self.model.parameters())))# run oncedt, seen = (Profile(), Profile(), Profile()), 0for im, im0s in dataset:with dt[0]:im = torch.from_numpy(im).to(self.model.device)im = im.half() if self.model.fp16 else im.float()# uint8 to fp16/32im /= 255# 0 - 255 to 0.0 - 1.0if len(im.shape) == 3:im = im[None]# expand for batch dim# Inferencepred = self.model(im, augment=self.opt.augment)[0]# NMSwith dt[2]:pred = non_max_suppression(pred, self.opt.conf_thres, self.opt.iou_thres, self.opt.classes, self.opt.agnostic_nms, max_det=2)# Process predictions# 处理每一张图片det = pred[0]# API 一次只处理一张图片，因此不需要 for 循环im0 = im0s.copy()# copy 一个原图片的副本图片result_txt = []# 储存检测结果，每新检测出一个物品，长度就加一。 # 每一个元素是列表形式，储存着 类别，坐标，置信度# 设置图片上绘制框的粗细，类别名称annotator = Annotator(im0, line_width=3, example=str(self.names))if len(det):# Rescale boxes from img_size to im0 size# 映射预测信息到原图det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round()#for *xyxy, conf, cls in reversed(det):line = (int(cls.item()), [int(_.item()) for _ in xyxy], conf.item())# label formatresult_txt.append(line)label = f'{self.names[int(cls)]} {conf:.2f}'annotator.box_label(xyxy, label, color=self.colors[int(cls)])result.append((im0, result_txt))# 对于每张图片，返回画完框的图片，以及该图片的标签列表。return result, self.names

Part 4 修改 dataloaders.py

文件路径在 utils/dataloaders.py ，修改其中的 LoadImages 类，将下面的代码完整替换掉就可以了。

class LoadImages:# YOLOv5 image/video dataloader, i.e. `python detect.py --source image.jpg/vid.mp4`def __init__(self, path, img_size=640, stride=32): for img in path: if type(img) != np.ndarray or len(img.shape) != 3: raise TypeError('item is not a picture read by cv2') self.img_size = img_size self.stride = stride self.files = path self.nf = len(path) self.mode = 'image'def __iter__(self):self.count = 0return selfdef __next__(self):if self.count == self.nf:raise StopIterationpath = self.files[self.count]# Read imageself.count += 1# Padded resizeimg = letterbox(path, self.img_size, stride=self.stride)[0]# Convertimg = img[:, :, ::-1].transpose(2, 0, 1)# BGR to RGB, to 3x416x416img = np.ascontiguousarray(img)return img, pathdef _new_video(self, path):# Create a new video capture objectself.frame = 0self.cap = cv2.VideoCapture(path)self.frames = int(self.cap.get(cv2.CAP_PROP_FRAME_COUNT) / self.vid_stride)self.orientation = int(self.cap.get(cv2.CAP_PROP_ORIENTATION_META))# rotation degrees# self.cap.set(cv2.CAP_PROP_ORIENTATION_AUTO, 0)# disable https://github.com/ultralytics/yolov5/issues/8493def _cv2_rotate(self, im):# Rotate a cv2 video manuallyif self.orientation == 0:return cv2.rotate(im, cv2.ROTATE_90_CLOCKWISE)elif self.orientation == 180:return cv2.rotate(im, cv2.ROTATE_90_COUNTERCLOCKWISE)elif self.orientation == 90:return cv2.rotate(im, cv2.ROTATE_180)return imdef __len__(self):return self.nf# number of files

Section 4 调用

if __name__ == '__main__':cap = cv2.VideoCapture(0)a = DetectAPI.DetectAPI(weights='weights/last.pt')with torch.no_grad():while True:rec, img = cap.read()result, names = a.detect([img])img = result[0][0]# 每一帧图片的处理结果图片# 每一帧图像的识别结果（可包含多个物体）for cls, (x1, y1, x2, y2), conf in result[0][1]:print(names[cls], x1, y1, x2, y2, conf)# 识别物体种类、左上角x坐标、左上角y轴坐标、右下角x轴坐标、右下角y轴坐标，置信度'''cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0))cv2.putText(img,names[cls],(x1,y1-20),cv2.FONT_HERSHEY_DUPLEX,1.5,(255,0,0))'''print()# 将每一帧的结果输出分开cv2.imshow("video", img)if cv2.waitKey(1) == ord('q'):break

Section 5 以库文件的形式进行安装与调用

具体的下载方式与安装方式见我的这篇博客 封装 YoloV5 detect.py 成 Python 库以供 python 程序使用
我个人认为那样安装与使用起来更为地灵活，推荐大家去看看！

Reference

本程序的修改参考了以下的资料，在此为前人做出的努力与贡献表示感谢！

https://github.com/ultralytics/yolov5/releases/tag/v7.0
https://blog.csdn.net/weixin_51331359/article/details/126012620
https://blog.csdn.net/CharmsLUO/article/details/123422822