用pycharm基于YOLO算法的目标检测完整代码

在PyCharm中实现YOLO（You Only Look Once）目标检测算法的完整代码涉及到多个步骤，包括加载预训练模型、配置设置、读取数据、预测以及处理结果。由于篇幅原因，下面我只能给出一个简化的例子，实际项目中会更复杂一些。假设已经安装了Darknet和yolov5库，这里是基础的代码结构：

import cv2
from yolov5.models.experimental import attempt_load
from yolov5.utils.general import non_max_suppression

# 加载预训练的YOLOv5模型
weights_path = "path/to/yolov5s.pt"  # 根据你的YOLO版本替换路径
model = attempt_load(weights_path, map_location='cuda')  # 使用GPU

# 配置图像输入
img = cv2.imread("path/to/image.jpg")  # 替换为你要检测的图片路径
height, width = img.shape[:2]

# 获取预测结果
results = model(img[:, :, ::-1].unsqueeze(0).float())  # BGR -> RGB转换，并添加通道维度

# 非极大抑制（去除重复框）
outputs = results.xyxy[0]  # 假设这是第一个类别
outputs = non_max_suppression(outputs, conf_thres=0.5, iou_thres=0.5)  # 设置阈值

# 显示结果
for box in outputs:
    x1, y1, x2, y2 = box.tolist()
    label, confidence = int(box[6]), box[4]
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)  # 绿色边界框
    cv2.putText(img, f"{label}: {confidence:.2f}", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

cv2.imshow("Object Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()