我正在使用python的yolov5框架编程，请给我一个在yolov5当中使用ROI的演示代码。

当在 YOLOv5 中使用 ROI (Region of Interest) 时，你可以通过对感兴趣区域进行裁剪，然后在裁剪后的图像上运行目标检测模型。以下是一个简单的示例代码，展示了如何使用 ROI 在 YOLOv5 中进行目标检测：

import torch
import cv2
from pathlib import Path

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

# 设置 ROI 的位置和大小
x1, y1, x2, y2 = 100, 100, 300, 300

# 裁剪感兴趣区域
def crop_roi(image, x1, y1, x2, y2):
    return image[y1:y2, x1:x2]

# 读取图像
image_path = Path('path_to_image.jpg')
image = cv2.imread(str(image_path))

# 裁剪感兴趣区域
roi = crop_roi(image, x1, y1, x2, y2)

# 将裁剪后的图像转换为 RGB 格式
roi_rgb = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)

# 在 ROI 上运行目标检测模型
results = model([roi_rgb])

# 打印检测结果
results.print()

# 可以通过 results.pandas().xyxy[0] 获取目标的坐标信息

请确保安装了必要的依赖库，如 `torch`、`cv2` 和 `pathlib`。此外，`path_to_image.jpg` 需要替换为你自己的图像路径。

这个示例代码会加载 YOLOv5 模型，裁剪出感兴趣区域，并在该区域上运行目标检测模型。你可以通过 `results.print()` 打印出检测结果。