计算机视觉 / 系统课时

读取结构化检测结果

读取结构化检测结果

本课把 YOLOv5 的可视化检测框转换成程序可用的数据。完成后,你可以在 Python 中读取每个目标的类别编号、类别名称、边界框坐标和置信度,并统计总目标数与各类别数量。

学习目标

  • 认识 YOLOv5 推理结果中的核心字段
  • 将检测结果整理成可序列化的 Python 数据结构
  • 正确处理无目标、坐标类型和类别统计等边界情况

认识结果对象

通过 YOLOv5 PyTorch Hub 接口推理后,results.xyxy[0] 是当前图片的原始张量。每一行依次表示 xmin、ymin、xmax、ymax、confidence 和 class_id。

results.pandas().xyxy[0] 会把同一批数据转换为 DataFrame,并额外提供类别名称 name。对于业务代码,DataFrame 更易读;对于高性能批处理,直接使用张量可以减少一次转换。

字段 含义 常用类型
xmin、ymin 边界框左上角坐标 浮点数
xmax、ymax 边界框右下角坐标 浮点数
confidence 当前检测框的置信度 浮点数
class 类别编号 整数
name 类别名称 字符串

这些坐标是当前推理图像上的像素坐标,不是 YOLO 标签文件中的归一化中心点格式。

提取类别、坐标和数量

下面的完整示例从本地 YOLOv5 项目加载自定义权重,执行一次图片推理,并输出适合接口返回或后续存储的结构化结果。

python
from collections import Counter
from pathlib import Path
import json

import torch

YOLOV5_DIR = Path("yolov5")
WEIGHTS = Path("runs/train/exp/weights/best.pt")
IMAGE = Path("data/images/bus.jpg")

for path in (YOLOV5_DIR, WEIGHTS, IMAGE):
    if not path.exists():
        raise FileNotFoundError(f"路径不存在: {path}")

model = torch.hub.load(
    str(YOLOV5_DIR),
    "custom",
    path=str(WEIGHTS),
    source="local",
)
model.conf = 0.40
model.iou = 0.45

results = model(str(IMAGE))
table = results.pandas().xyxy[0]

detections = []
for _, row in table.iterrows():
    # 坐标保留两位小数,类别编号显式转换为 int,便于 JSON 序列化。
    detections.append(
        {
            "class_id": int(row["class"]),
            "class_name": str(row["name"]),
            "confidence": round(float(row["confidence"]), 4),
            "bbox_xyxy": [
                round(float(row["xmin"]), 2),
                round(float(row["ymin"]), 2),
                round(float(row["xmax"]), 2),
                round(float(row["ymax"]), 2),
            ],
        }
    )

class_counts = Counter(item["class_name"] for item in detections)
payload = {
    "target_count": len(detections),
    "class_counts": dict(class_counts),
    "first_detection": detections[0] if detections else None,
}

print(json.dumps(payload, ensure_ascii=False, indent=2))

预期输出格式如下。<N>、<ID>、<CLASS_NAME> 和坐标值由模型、图片及阈值决定;没有检测到目标时,first_detection 为 null。

text
{
  "target_count": <N>,
  "class_counts": {
    "<CLASS_NAME>": <COUNT>
  },
  "first_detection": {
    "class_id": <ID>,
    "class_name": "<CLASS_NAME>",
    "confidence": <SCORE>,
    "bbox_xyxy": [<XMIN>, <YMIN>, <XMAX>, <YMAX>]
  }
}

target_count 等于当前图片保留下来的检测框数量。class_counts 按类别名称聚合,适合直接用于“检测到几个人、几辆车”之类的业务判断。

从坐标得到宽高和中心点

如果后续逻辑需要裁剪图片或计算目标中心,可以由 xyxy 坐标直接换算:

w=xmax−xmin,h=ymax−yminw=x_{max}-x_{min},\quad h=y_{max}-y_{min}
xc=xmin+xmax2,yc=ymin+ymax2x_c=\frac{x_{min}+x_{max}}{2},\quad y_c=\frac{y_{min}+y_{max}}{2}

计算前应先确认坐标没有越出图像边界。用于数组切片时,通常还要转为整数,并根据业务选择向下取整、四舍五入或裁剪到合法范围。

处理常见边界情况

没有检测结果时,DataFrame 仍然存在,但行数为零。代码不应直接访问第一行,而应像主示例一样使用 detections[0] if detections else None。

置信度和坐标来自张量,通常是 NumPy 或 PyTorch 数值类型。直接交给某些 JSON 序列化器可能报错,因此应显式转换为 Python 的 float 和 int。

多图片批量推理时,results.pandas().xyxy 是一个列表,每个元素对应一张输入图片。不能始终只读取索引 0,应按输入图片顺序遍历结果列表。

选择 DataFrame 还是张量

需要快速开发、字段可读性和 JSON 转换时,优先使用 results.pandas().xyxy[0]。需要大批量数值计算、GPU 后处理或减少转换开销时,优先读取 results.xyxy[0]。

无论选择哪种形式,都应在业务层统一输出字段名称、数值精度和空结果格式,避免调用方同时适配多种结构。

本课总结

  • xyxy 结果包含边界框、置信度和类别编号,DataFrame 形式还提供类别名称
  • 结构化输出前应显式转换数值类型,并为无目标情况返回稳定格式
  • 单图读取索引 0,批量推理则要按图片顺序遍历整个结果列表

下一课预告

下一课将基于结构化结果实现目标筛选、区域判断或数量告警,让检测结果真正进入业务流程。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

读取结构化检测结果

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通