yolov5口罩检测代码

这里是一个简单的YOLOv5口罩检测代码示例，仅供参考：

import torch
import cv2
import numpy as np

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

# 加载类别名称
class_names = ['mask', 'no-mask']

# 加载图像
img = cv2.imread('test.jpg')

# 进行目标检测
results = model(img)

# 获取检测结果
preds = results.pred[0]
pred_boxes = preds[:, :4].cpu().numpy()
pred_scores = preds[:, 4].cpu().numpy()
pred_labels = preds[:, 5].cpu().numpy().astype(np.int)

# 可视化检测结果
for box, score, label in zip(pred_boxes, pred_scores, pred_labels):
    if score > 0.5:  # 设置阈值
        x1, y1, x2, y2 = box.astype(np.int)
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
        cv2.putText(img, class_names[label], (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 显示结果
cv2.imshow('result', img)
cv2.waitKey()

这段代码使用了PyTorch中的YOLOv5模型和OpenCV库进行目标检测和可视化。具体来说，它做了以下几件事情：

1. 加载YOLOv5模型，使用预训练的yolov5s权重；
2. 定义口罩和无口罩两类的类别名称；
3. 加载测试图像，进行目标检测，并获取检测结果中的坐标、置信度和类别信息；
4. 根据置信度阈值对检测结果进行筛选，并在原图上绘制检测框和类别标签；
5. 显示检测结果。

需要注意的是，这段代码只是一个简单的示例，实际应用中可能需要对模型进行微调、调整阈值等操作，以获得更好的检测效果。同时，也需要注意模型的输入格式、输出格式等细节问题。