yolov5训练之后更改显示标签方法

要更改YOLOv5训练后的标签显示方法，您需要编辑输出部分的代码。以下是一个示例，演示如何更改标签的显示方式：

# 导入必要的库
import torch
import cv2
import numpy as np

# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# 定义类别标签
classes = ['person', 'car', 'motorcycle', 'bus', 'truck']

# 加载图像
img = cv2.imread('image.jpg')

# 运行模型
results = model(img)

# 提取检测结果
detections = results.xyxy[0].numpy()

# 循环遍历检测结果
for detection in detections:
    # 获取类别和置信度
    class_id = int(detection[5])
    confidence = detection[4]

    # 获取类别名称
    class_name = classes[class_id]

    # 绘制边界框和标签
    x1, y1, x2, y2 = detection[:4].astype(np.int)
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img, f'{class_name} {confidence:.2f}', (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先定义了一个包含类别标签的列表。然后，我们运行YOLOv5模型并提取检测结果。在循环遍历检测结果时，我们获取类别名称和置信度，并使用cv2.putText()函数在边界框上方绘制标签。您可以根据需要更改标签的位置、字体、颜色等。