rcnn目标检测python代码

以下是使用Python和PyTorch实现RCNN目标检测的示例代码：

import torch
import torchvision
import cv2

# 加载预训练的模型
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)

# 加载图片
img = cv2.imread('image.jpg')

# 将图片转换为PyTorch Tensor格式
img_tensor = torchvision.transforms.functional.to_tensor(img)

# 将图片传入模型进行预测
model.eval()
with torch.no_grad():
    output = model([img_tensor])

# 解析预测结果
boxes = output[0]['boxes'].numpy()
scores = output[0]['scores'].numpy()
labels = output[0]['labels'].numpy()

# 将预测结果可视化在图片上
for i in range(len(boxes)):
    if scores[i] > 0.5:
        box = boxes[i]
        cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 2)
        cv2.putText(img, str(labels[i]), (box[0], box[1] - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，上述代码只是一个简单的示例，实际应用中还需要对模型进行调参和优化，以获得更好的检测效果。同时，还需要对数据集进行预处理和增强，以提高模型的泛化能力和鲁棒性。