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。
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。
{
"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:
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。