本章博客主要分析YoloV5代碼中的detect程序代碼，按照程序運(yùn)行步驟順序主要分為3大部分。

1、包與庫的導(dǎo)入

1.1 導(dǎo)入安裝好的python庫、torch庫等等

其中：argparse模塊、os模塊、sys模塊都是Python內(nèi)置模塊。
argparse模塊：它是一個(gè)用于命令項(xiàng)選項(xiàng)與參數(shù)解析的模塊，通過在程序中定義好我們需要的參數(shù)，argparse 將會(huì)從 sys.argv 中解析出這些參數(shù)，并自動(dòng)生成幫助和使用信息；
os模塊：它提供了多種操作系統(tǒng)的接口。通過os模塊提供的操作系統(tǒng)接口，我們可以對操作系統(tǒng)里文件、終端、進(jìn)程等進(jìn)行操作；
sys模塊：它是與python解釋器交互的一個(gè)接口，該模塊提供對解釋器使用或維護(hù)的一些變量的訪問和獲取，它提供了許多函數(shù)和變量來處理 Python 運(yùn)行時(shí)環(huán)境的不同部分。

from pathlib import Path

該段代碼意思是指從External Libraries->pathlib->path 導(dǎo)入Path庫，具體說明如下：
Path表示文件系統(tǒng)路徑，但與PurePath不同，它還提供方法對路徑對象進(jìn)行系統(tǒng)調(diào)用。根據(jù)您的系統(tǒng)，實(shí)例化路徑將返回PosixPath或WindowsPath對象也可以直接實(shí)例化PosixPath或WindowsPath，但不能在POSIX系統(tǒng)上實(shí)例化WindowsPath，反之亦然。

import torch import torch.backends.cudnn as cudnn

添加torch庫，CUDNN 是英偉達(dá)專門為深度神經(jīng)網(wǎng)絡(luò)所開發(fā)出來的 GPU 加速庫，針對卷積、池化等常見操作做了非常多的底層優(yōu)化，比一般的 GPU 程序要快很多。在使用 GPU 的時(shí)候，PyTorch 會(huì)默認(rèn)使用 CUDNN 加速。

1.2 導(dǎo)入相對路徑下的庫

導(dǎo)入、添加項(xiàng)目文件下相對應(yīng)的文件夾中的庫文件。

1.3 定義一些文件路徑

_ _ file _ _表示當(dāng)前detect.py的文件路徑，第一行代碼獲取其絕對路徑，第二行代碼獲取其根目錄，sys.path表示模塊的查詢路徑列表。

2、執(zhí)行函數(shù)

if name == ‘main’:的作用，一個(gè)python文件通常有兩種使用方法，第一是作為腳本直接執(zhí)行，第二是 import 到其他的 python 腳本中被調(diào)用（模塊重用）執(zhí)行。因此 if name == ‘main’: 的作用就是控制這兩種情況執(zhí)行代碼的過程，在 if name == ‘main’: 下的代碼只有在第一種情況下（即文件作為腳本直接執(zhí)行）才會(huì)被執(zhí)行，而 import 到其他腳本中是不會(huì)被執(zhí)行的。
（1）解析命令行傳進(jìn)的參數(shù)；opt = parse_opt()
該段代碼分為三部分，第一部分定義了一些可以傳導(dǎo)的參數(shù)類型，第二部分對于imgsize部分進(jìn)行了額外的判斷（640*640），第三部分打印所有參數(shù)信息，opt變量存儲所有的參數(shù)信息，并返回。
（2）執(zhí)行命令行參數(shù)； main(opt)
該段代碼分為兩部分，第一部分首先完成對于requirements.txt的檢查，檢測這些依賴包有沒有安裝；第二部分，將opt變量參數(shù)傳入，執(zhí)行run函數(shù)。

3、Run函數(shù)

run函數(shù)的整體運(yùn)行部分可以概括為6個(gè)部分。

3.1 對source傳入的東西進(jìn)行額外判斷

此處的source對應(yīng)run函數(shù)中的source,代表圖片路徑；第三行代碼判斷是否傳入為文件地址，IMG_FORMATS表示各種圖片類型，VID_FORMATS表示各種視頻類型；第四行代碼判斷是否為網(wǎng)絡(luò)流傳入；第五行代碼source.isnumeric判斷是否傳入為數(shù)字，–source 0,數(shù)字0表示打開電腦的第一個(gè)攝像頭；如果是一個(gè)網(wǎng)絡(luò)流且是一個(gè)文件，就會(huì)進(jìn)行下載操作。

3.2 新建了一個(gè)保存結(jié)果的文件夾

代碼中的 project 指 run 函數(shù)中的 project，對應(yīng)的是 runs/detect 的目錄，name 對應(yīng) run 函數(shù)中的“name=exp”，然后進(jìn)行拼接操作；increment_path 表示增量路徑；判斷 save_txt 是否為 true，save_txt 在 run 函數(shù)以及 parse_opt() 函數(shù)中都有相應(yīng)操作，如果傳入save_txt，新建 “l(fā)abels” 文件夾存儲結(jié)果。

3.3 加載模型權(quán)重

首先根據(jù)代碼環(huán)境選擇加載設(shè)備，GPU/CPU。選擇多后端框架，判斷你的深度學(xué)習(xí)框架，本次是pytorch,加載模型，
讀取模型參數(shù)，判斷 imgsz，步長 stride 一般是32。

3.4 DataLoad模塊，加載待預(yù)測的圖片

首先是判斷 webcam 是否為 true，前面已經(jīng)定義，不為True，因此執(zhí)行 datasets.py下的LoadImages函數(shù)，完成輸入數(shù)據(jù)的加載過程。

3.5 模型的推理過程

執(zhí)行模型推理過程，把圖片或者視頻輸入模型，產(chǎn)生一個(gè)預(yù)測結(jié)果，并用檢測框標(biāo)記出來。
首先，讓模型進(jìn)行一個(gè)預(yù)熱，然后定義 dt，seen 兩個(gè)變量，遍歷 dataset ，整理圖片信息；進(jìn)行預(yù)測，根據(jù) run 函數(shù)里面的置信度以及IOU參數(shù)，進(jìn)行信息過濾；對檢測框進(jìn)行后續(xù)處理，畫框選擇，坐標(biāo)映射（640*640坐標(biāo)映射為原圖坐標(biāo)），是否保存繪畫結(jié)果。

3.6 打印出一些輸出信息

打印結(jié)果，記錄了一些總共的耗時(shí)，以及信息保存。

本次進(jìn)行了一些簡短的分析，如果有幫助的話，點(diǎn)贊支持一下，后續(xù)有需要在進(jìn)行其他文件程序。交流學(xué)習(xí)，互相進(jìn)步~

總結(jié)

以上是生活随笔為你收集整理的YoLoV5学习（4）--detect.py程序（预测图片、视频、网络流）逐段讲解~的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。