首先執行擴充套件包的匯入：
import argparse import os import platform import sys from pathlib import Path import torch FILE = Path(__file__).resolve() #獲取detect.py在電腦中的絕對路徑 ROOT = FILE.parents[0] # 獲取detect.py的父目錄（絕對路徑） if str(ROOT) not in sys.path: # 判斷detect.py的父目錄是否存在於模組的查詢路徑列表 sys.path.append(str(ROOT)) # add ROOT to PATH ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # 將絕對路徑轉換為相對路徑 from models.common import DetectMultiBackend from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreams from 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_box from utils.torch_utils import select_device, smart_inference_mode
包匯入完成之後，執行最下面的這段程式碼：
if __name__ == '__main__': opt = parse_opt() #解析引數 main(opt)
這段程式碼用到了parse_opt()這個函式，它的功能主要是解析引數，主要引數解析如下：
""" --weights:權重的路徑地址 --source:測試資料，可以是圖片/影片路徑，也可以是'0'(電腦自帶攝像頭),也可以是rtsp等影片流 --output:網路預測之後的圖片/影片的儲存路徑 --img-size:網路輸入圖片大小 --conf-thres:置信度閾值 --iou-thres:做nms的iou閾值 --device:是用GPU還是CPU做推理 --view-img:是否展示預測之後的圖片/影片，預設False --save-txt:是否將預測的框座標以txt檔案形式儲存，預設False --classes:設定只保留某一部分類別，形如0或者0 2 3 --agnostic-nms:進行nms是否也去除不同類別之間的框，預設False --augment:推理的時候進行多尺度，翻轉等操作(TTA)推理 --update:如果為True，則對所有模型進行strip_optimizer操作，去除pt檔案中的最佳化器等資訊，預設為False --project：推理的結果儲存在runs/detect目錄下 --name：結果儲存的資料夾名稱 """ 該部分來源於博主“炮哥帶你學”——‘目標檢測---教你利用yolov5訓練自己的目標檢測模型’一文， 原文地址：https://blog.csdn.net/didiaopao/article/details/119954291?spm=1001.2014.3001.5502
在parse_opt()執行完成之後，會將opt傳給函式main()：
def main(opt): check_requirements(exclude=('tensorboard', 'thop')) #檢測中的擴充套件包是否安裝 run(**vars(opt))
main()函式中呼叫了函式run()，run()主要程式碼解析如下：
run()主要分為了六個部分：
-
處理預測路徑
#處理預測路徑 source = str(source) #將路徑轉為字串型別（data\\images\\bus.jpg） save_img = not nosave and not source.endswith('.txt') # 儲存預測結果 #suffix函式表示檔案型別，suffix[1:]表示從.jpg中擷取jpg，然後判斷jpg是否位於(IMG_FORMATS + VID_FORMATS)中 is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) #判斷路徑是否為網路流的格式（lower()作用是將字母全部轉換為小寫） is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) #判斷路徑是否為‘0’（如果為‘0’會開啟電腦攝像頭），是否是.streams檔案格式，是否是網路流地址 webcam = source.isnumeric() or source.endswith('.streams') or (is_url and not is_file) screenshot = source.lower().startswith('screen') if is_url and is_file: source = check_file(source) # download，下載圖片或影片
-
新建儲存結果的資料夾
# Directories，新建儲存結果的資料夾 #增量式地產生資料夾（exp,exp1,exp2...) save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run #在exp資料夾下新建labels資料夾 (save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir
-
載入模型的權重
# Load model，載入模型的權重 device = select_device(device) #選擇載入模型的裝置 #載入模型並從模型中讀取一些資訊 model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half) stride, names, pt = model.stride, model.names, model.pt imgsz = check_img_size(imgsz, s=stride) # check image size
-
載入待預測的圖片
# Dataloader，載入待預測的圖片 bs = 1 # batch_size if webcam: #根據‘處理預測路徑’程式碼部分得webcam一般為false view_img = check_imshow(warn=True) dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) bs = len(dataset) elif screenshot: #根據‘處理預測路徑’程式碼部分得screenshot一般為false dataset = LoadScreenshots(source, img_size=imgsz, stride=stride, auto=pt) else: #載入圖片 dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) vid_path, vid_writer = [None] * bs, [None] * bs
-
執行模型的推理過程
# Run inference，執行模型的推理過程 #warmup初始化一張空白圖片並傳入到模型當中，讓模型執行一次前向傳播 model.warmup(imgsz=(1 if pt or model.triton else bs, 3, *imgsz)) # warmup seen, windows, dt = 0, [], (Profile(), Profile(), Profile()) #定義變數儲存中間結果資訊 #path:路徑 im:處理後的圖片 im0s:原圖 vid_cap:none s:圖片的列印資訊 for path, im, im0s, vid_cap, s in dataset: with dt[0]: im = torch.from_numpy(im).to(model.device) #將im轉化為pytorch支援的格式並放到裝置中 im = im.half() if model.fp16 else im.float() # uint8 to fp16/32 im /= 255 # 0 - 255 to 0.0 - 1.0 #歸一化 if len(im.shape) == 3: im = im[None] # expand for batch dim # Inference，對上面整理好的圖片進行預測 with dt[1]: visualize = increment_path(save_dir / Path(path).stem, mkdir=True) if visualize else False pred = model(im, augment=augment, visualize=visualize) # NMS，進行非極大值過濾 with dt[2]: pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det) # Second-stage classifier (optional) # pred = utils.general.apply_classifier(pred, classifier_model, im, im0s) # Process predictions for i, det in enumerate(pred): # 遍歷每張圖片 seen += 1 if webcam: # batch_size >= 1 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 = Path(p) # to Path save_path = str(save_dir / p.name) # im.jpg txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt s += '%gx%g ' % im.shape[2:] # print string gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] #獲取原圖寬和高 imc = im0.copy() if save_crop else im0 #判斷是否將檢測框部分裁剪下來 annotator = Annotator(im0, line_width=line_thickness, example=str(names)) #定義繪圖工具 if len(det): #座標對映，方便在原圖上畫檢測框 det[:, :4] = scale_boxes(im.shape[2:], det[:, :4], im0.shape).round() # 遍歷det for c in det[:, 5].unique(): n = (det[:, 5] == c).sum() # detections per class s += f"{n} {names[int(c)]}{'s' * (n > 1)}, " # add to string # 是否儲存預測結果 for *xyxy, conf, cls in reversed(det): if save_txt: # 儲存為txt 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(f'{txt_path}.txt', 'a') as f: f.write(('%g ' * len(line)).rstrip() % line + '\n') if save_img or save_crop or view_img: # 只在圖片上新增檢測框 c = int(cls) # integer class label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}') annotator.box_label(xyxy, label, color=colors(c, True)) if save_crop: #是否儲存截下來的目標框 save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True) # Stream results im0 = annotator.result() if view_img: if platform.system() == 'Linux' and p not in windows: windows.append(p) cv2.namedWindow(str(p), cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO) # allow window resize (Linux) cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0]) 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) 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 = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h)) vid_writer[i].write(im0) # Print time (inference-only) LOGGER.info(f"{s}{'' if len(det) else '(no detections), '}{dt[1].dt * 1E3:.1f}ms")
-
列印輸出資訊
# Print results，列印輸出資訊 t = tuple(x.t / seen * 1E3 for x in dt) # 統計每張圖片的平均時間 LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS 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 saved to {save_dir / 'labels'}" if save_txt else '' LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}") if update: strip_optimizer(weights[0]) # update model (to fix SourceChangeWarning)