YOLOv5detect代码

以下是使用YOLOv5进行物体检测的示例代码：

import torch
import cv2
from matplotlib import pyplot as plt
import numpy as np

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

# 读取图片
img = cv2.imread('test.jpg')

# 将BGR格式转换为RGB格式
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 进行物体检测
results = model(img)

# 获取检测到的物体信息
predictions = results.pandas().xyxy[0]

# 绘制检测结果
fig, ax = plt.subplots(1)
ax.imshow(img)

for _, row in predictions.iterrows():
    xmin = row['xmin']
    ymin = row['ymin']
    xmax = row['xmax']
    ymax = row['ymax']
    label = row['name']
    score = row['confidence']

    rect = plt.Rectangle((xmin, ymin), xmax - xmin, ymax - ymin, fill=False, edgecolor='red', linewidth=2)
    ax.add_patch(rect)
    ax.text(xmin, ymin - 5, f'{label}: {score:.2f}', fontsize=10, color='white', bbox=dict(facecolor='red', edgecolor='red', alpha=0.8))

plt.axis('off')
plt.show()

其中，`test.jpg` 为待检测的图片文件。这段代码中使用了 `yolov5s` 模型进行物体检测，并绘制了检测结果。你可以根据需要更改模型和绘制检测结果的方式。