yolov5算法测出识别准确率的代码

YOLOv5是一种目标检测算法，它是YOLO系列的最新版本。下面是一个简单的示例代码，用于使用YOLOv5进行目标检测并计算识别准确率：

import torch
from PIL import Image
from torchvision.transforms import functional as F
from models.experimental import attempt_load
from utils.general import non_max_suppression

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

# 设置图像路径
image_path = 'test.jpg'

# 加载图像
image = Image.open(image_path)

# 图像预处理
image_tensor = F.to_tensor(image)
image_tensor = image_tensor.unsqueeze(0)

# 运行模型
output = model(image_tensor)

# 非最大抑制
output = non_max_suppression(output, conf_thres=0.5, iou_thres=0.5)

# 获取预测结果
pred_boxes = output[:, :4].detach().numpy()
pred_scores = output[:, 4].detach().numpy()
pred_labels = output[:, 5].detach().numpy()

# 计算准确率
correct_count = 0
total_count = len(pred_labels)
for label, score in zip(pred_labels, pred_scores):
    if label == 0 and score > 0.5:  # 假设类别0为目标类别，阈值为0.5
        correct_count += 1

accuracy = correct_count / total_count

print("识别准确率：", accuracy)

请注意，上述代码仅为示例，实际使用时需要根据具体情况进行修改和调整。另外，需要确保已经安装了相关的依赖库和模型文件。