OpenCV与Yolov5与纯Yolov5比较的不良结果

Question

我试着用opencv从视频摄像头中识别乐高积木。与仅在detect.py中运行Yolov5相比，它的性能非常差。因此，我做了一些关于仅仅识别图像的实验，我发现使用openCV仍然表现非常糟糕，有任何线索吗？这是我做的实验。

这是detect.py运行的结果

python detect.py --weights runs/train/yolo/weights/best.pt --source legos.jpg

​

​

这是openCV通过实现以下操作得到的结果

import torch
import cv2
import numpy as np

model = torch.hub.load('.', 'custom', path='runs/train/yolo/weights/last.pt', source='local')

cap = cv2.VideoCapture('legos.jpg')

while cap.isOpened():
    ret, frame = cap.read()

    # Make detections
    results = model(frame)

    cv2.imshow('YOLO', np.squeeze(results.render()))

    if cv2.waitKey(0) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

​

​

如果我只是这样做的话，结果会很好。

import torch
results = model('legos.jpg')
results.show()

​

​

有什么好主意吗？

Answer 1

您的模型可能是使用RGB图像训练的，而opencv使用的是BGR格式。请试着相应地转换颜色空间。示例：

import torch
import cv2

model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# read image and convert to RGB
img = cv2.imread('zidane.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# make detections
results = model(img)

# render results and convert back to BGR
results.render()
out = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)

cv2.imshow('YOLO', out)

cv2.waitKey(-1)
cv2.destroyAllWindows()