python实现yolov5训练出来模型结果的可视化

您可以使用Python中的OpenCV库来可视化训练出来的YOLOv5模型结果。 首先，您需要使用训练出来的模型进行推理，以检测目标并生成预测框。然后，使用OpenCV将预测框添加到原始图像中并显示呈现的图像。代码示例：

import cv2
import torch
from yolov5.models.experimental import attempt_load

# 加载模型
model = attempt_load("yolov5s.pt", map_location=torch.device('cpu'))

# 推理图像
img = cv2.imread("test.jpg")
results = model(img)

# 可视化结果
for i, result in enumerate(results.xyxy[0]):
    x1, y1, x2, y2, conf, cls = result
    label = f"{model.names[int(cls)]} {conf:.2f}"
    color = (0, 0, 255)
    cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), color, 2)
    cv2.putText(img, label, (int(x1), int(y1 - 10)), cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2)
cv2.imshow("result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们假设模型文件为yolov5s.pt，测试图像为test.jpg。模型返回的结果是一个名为results的对象，其中results.xyxy是一个张量，它包含预测框的坐标和置信度信息。我们遍历这个张量并添加框和标签到原始图像中。最后，我们使用OpenCV中的imshow（）函数显示呈现的图像。您可以将此代码自定义以可视化不同的YOLOv5训练结果。