我想使用对象检测
它可用于各种领域，例如对象检测，程序自动从图像中查找对象。
难以使用人工智能
你认为你需要多少行代码？
其实很简单
这是非常容易使用。
这次约洛夫5利用
方法
从 torch hub 加载模型并将图像作为输入。
import torch
model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # initialize model
result = model('teddybear.jpg') # inference
result.save()
这将保存推理图像。
容易，对吧？
查看结果
您还可以访问生成的坐标。
result.pandas().xywhn
[ xcenter ycenter width height 置信度类名
0 0.701028 0.522462 0.262828 0.421278 0.930700 77 泰迪熊
1 0.703856 0.719701 0.487835 0.442845 0.913001 13台】可发现的类可以通过以下方式获得：
model.names{0: '人',
1：“自行车”，
2：“汽车”，
3：“摩托车”，
4：“飞机”，
5：'公共汽车'，
6：“火车”，
7：“卡车”，
8：“船”，
9：'红绿灯'，
10：'消火栓'，
11：'停车标志'，
12：'停车计时器'，
13：“长凳”，
14：“鸟”
15：“猫”
16：“狗”
17：“马”
18：“羊”
19：“牛”
20：“大象”
21：“熊”
22：'斑马'
23：“长颈鹿”
24：'背包'，
25：“伞”
26：“手提包”
27：“领带”
28：'手提箱'
29：'飞盘'
30：“滑雪板”
31：“滑雪板”
32：'运动球'
33：'风筝'
34：'棒球棒'
35：“棒球手套”
36：“滑板”
37：“冲浪板”
38：“网球拍”
39：'瓶子'
40：“酒杯”
41：“杯子”
42：'叉子'
43：“刀”
44：“勺子”
45：“碗”
46：‘香蕉’
47：‘苹果’
48：“三明治”
49：“橙色”
50：“西兰花”
51：'胡萝卜'
52：“热狗”
53：“披萨”
54：“甜甜圈”
55：“蛋糕”
56：“椅子”
57：“沙发”
58：'盆栽植物'
59：“床”
60：'餐桌'
61：'厕所'
62：“电视”
63：'笔记本电脑'
64：“鼠标”
65：'远程'
66：'键盘'，
67：'手机'
68：“微波炉”
69：“烤箱”
70：“烤面包机”
71：“下沉”
72：“冰箱”
73：“书”
74：“时钟”
75：“花瓶”
76：“剪刀”
77：“泰迪熊”
78：“吹风机”
79：'牙刷'}使用您自己训练的模型
您也可以使用自己训练的模型。
这也允许您检测默认类之外的对象。model = torch.hub.load('ultralytics/yolov5', 'custom', path='path/to/best.pt') # Specify your own path?
我是一名自由工程师。
点击这里进行工作咨询
Ricky Sikoku@g 邮箱。这个米我正在制作机器学习和 AR 应用程序（Web/iOS）。
我们正在传播与机器学习/AR 相关的信息。
原创声明：本文系作者授权爱码网发表，未经许可，不得转载;
原文地址：https://www.likecs.com/show-308628791.html