关注并星标
从此不迷路
计算机视觉研究院专栏
今天给大家分享的是yolov7网络实践，并且可以做成web端，只要你输入图像，选择对应模型就可以输出检测结果。让我们开始代码吧！
01
概述
论文：https://arxiv.org/abs/2207.02696
02
实验
接下来我们继续，怎么把训练好的模型部署到web端，这样后期就可以随时可以检测图像。
首先跟推理一样：
parser = argparse.ArgumentParser()parser.add_argument('--weights', nargs='+', type=str, default=model+".pt", help='model.pt path(s)') parser.add_argument('--source', type=str, default='Inference/', help='source') # file/folder, 0 for webcam parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)') parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold') parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS') parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') parser.add_argument('--view-img', action='store_true', help='display results')parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels') parser.add_argument('--nosave', action='store_true', help='do not save images/videos') parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3') parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser.add_argument('--augment', action='store_true', help='augmented inference')parser.add_argument('--update', action='store_true', help='update all models')parser.add_argument('--project', default='runs/detect', help='save results to project/name') parser.add_argument('--name', default='exp', help='save results to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment') parser.add_argument('--trace', action='store_true', help='trace model')opt = parser.parse_args()
然后在代码开始增加训练模型pth的位置及一些依赖：
import gradio as grimport osos.system("wget https://github.com/***/yolov7.pt")os.system("wget https://github.com/***/yolov7-e6e.pt")os.system("wget https://github.com/***/yolov7-e6.pt")import argparseimport timefrom pathlib import Pathimport cv2import torchimport torch.backends.cudnn as cudnn...
接下来就是初始化、读取模型、读取数据、推理。
具体代码我这边会分享在知识星球。
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
ABOUT
计算机视觉研究院
具体内容可以参考CSDN的he_eeeeeeeeeee，进入主页既可以或更加详细的操作流程。
