20241125 YOLOv5 使用

使用

• 在配置好之后在pycharm终端输入

# 参数的话看detect.py里面说的进行调整
python detect.py --weights yolov5x.pt --source screen

参数理解

conf-thres

置信度：决定达到什么标准的置信值后，物体才能被方框识别和标记

# 参数的话看detect.py里面说的进行调整
python detect.py --weights yolov5x.pt --source screen --conf-thres 0.8

iou-thres

一个涉及框的折叠程度的一个参数

在 YOLOv5 中，iou-thres 是用于控制 非极大抑制（NMS） 的阈值参数。非极大抑制是一种常见的后处理技术，主要用于从模型预测的多个候选框中选择最优的边界框，去除重叠过多的框。

非极大抑制（NMS）过程：

1. IOU（Intersection Over Union）计算：计算预测框与目标框（或预测框之间）的交并比（IOU），即两个框的交集与并集之比。
2. 阈值设定：设置一个 iou-thres（IOU 阈值），通常在 0 到 1 之间。这个值决定了当两个预测框的 IOU 大于该阈值时，抑制其中得分较低的框。
3. 选择框：对于每个目标类别，NMS 会按照预测框的置信度（得分）从高到低排序，选择得分最高的框作为最终预测结果。如果其他框与已选择框的 IOU 大于 iou-thres，则这些框会被移除。

iou-thres 参数的作用：

• 较低的 iou-thres：允许更多的框保留，即使它们之间有较高的重叠。通常，这会导致更多的假阳性（false positives），因为模型会保留更多的候选框。
• 较高的 iou-thres：更严格地过滤掉重叠较多的框。这样可以减少假阳性，但可能会错过一些边界框，导致漏检（false negatives）。

举例：

• 如果 iou-thres 设置为 0.4，那么对于任意两个预测框，它们的 IOU 大于 0.4 时，其中一个框会被移除。
• 如果设置为 0.5，那么当两个框的重叠程度大于 50% 时，得分较低的框会被移除。

参考二

https://blog.csdn.net/m0_73671341/article/details/134323033