图片经过faster rcnn目标检测后，怎样在image_demo.py文件里加几句代码实现多目标检测并输出检测框的中心坐标点、宽度和高度、检测类别和检测的置信度

要实现多目标检测并输出检测框的中心坐标点、宽度和高度、检测类别和检测的置信度，可以在 `image_demo.py` 文件中的 `draw_detection` 函数里加入以下代码：

for i in range(len(scores)):
    if scores[i] > thresh:
        bbox = boxes[i]
        x1, y1, x2, y2 = bbox
        center_x = int((x1 + x2) / 2)
        center_y = int((y1 + y2) / 2)
        width = x2 - x1
        height = y2 - y1
        label = cls_map[classes[i]]
        print("Object {} - center: ({},{}), width: {}, height: {}, class: {}, confidence: {}".format(i, center_x, center_y, width, height, label, scores[i]))
        draw.rectangle(bbox, outline=color, width=thickness)
        draw.text((bbox[0], bbox[1]), "{} {:.2f}".format(label, scores[i]), fill=color)

这段代码会遍历所有检测结果，如果置信度高于指定的阈值 `thresh`，则会计算检测框的中心坐标点、宽度和高度，并输出检测类别和检测的置信度。

注意，在使用这段代码之前，需要先将 `cls_map` 定义为一个字典，用来将检测结果中的类别 ID 转换为类别名称。例如：

cls_map = {
    0: 'background',
    1: 'person',
    2: 'car',
    3: 'truck',
    4: 'bus'
}

其中，0 表示背景类别，1~4 表示物体类别，需要根据具体情况进行定义。