yolo 车辆 python代码

YOLO (You Only Look Once) 是一种目标检测算法，常用于实时物体识别，特别是在计算机视觉领域。在Python中，你可以使用Detectron2或者OpenCV等库结合YOLOv4、YOLOv5等版本的实现来进行车辆检测。

以下是一个简单的YOLOv5在Python中进行车辆检测的基本步骤示例，使用的是`torch`和`cv2`：

import torch
from PIL import Image
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor
from yolov5.yolov5 import create_yolov5

# 加载预训练模型
model = create_yolov5('yolov5s')  # 可以选择 yolov5s, yolov5l, yolov5m, 或 yolov5x
model.load_darknet_weights('yolov5s.weights')

# 定义分类层
num_classes = 80  # YOLO通常包含80类
in_features = model.module.names[-1]  # 获取最后一层特征层名称
predictor = FastRCNNPredictor(in_features, num_classes)

# 预测函数
def predict_image(image_path):
    img = Image.open(image_path)
    img = model(img)
    pred = predictor(img)
    boxes = pred['boxes']
    scores = pred['scores']
    classes = pred['labels']

    # 过滤出车辆类别
    vehicle_boxes = [box for box, score, class_ in zip(boxes, scores, classes) if class_ == 'car']
    
    return vehicle_boxes, scores

# 使用函数并可视化结果
vehicle_boxes, _ = predict_image('your_image.jpg')

注意这只是一个基本示例，实际应用中可能还需要对预测结果进行处理、绘制边界框以及调整阈值等。另外，`detectron2`和`yolov5`的具体安装及配置可能会有所不同。