在网络摄像头上使用 YOLOv5 进行本地推理

将Ultralytics YOLOv5 Github 存储库克隆到您的计算机，并在保存自定义 YOLOv5 模型训练的模型权重后运行detect.py 。

• 记下克隆存储库的目录（文件夹）。如果可以的话，保存文件路径，以便以后访问。
• GitHub 命令备忘单

将模型权重包含在从 GitHub 克隆到您的文件系统（计算机）的“yolov5”文件夹中。

运行网络摄像头模型

将自定义权重添加到本地计算机上的 yolov5 目录后，您可以在终端中切换到 yolov5 目录后在网络摄像头中运行模型。

基本命令：在网络摄像头上运行 YOLOv5

由于示例图像中的“yolov5”目录位于“mtraor3”目录中，并且我们使用的是保存在 yolov5 文件夹（ /Users/mtraor3/yolov5）中的 yolov5s 模型权重，因此我们在终端中输入示例代码运行在网络摄像头上本地看起来像这样：

 python ./Users/mtraor3/yolov5/detect.py --weights ./Users/mtraor3/yolov5/yolov5s.pt --save_text --save_conf --conf-thres 0.40 --source 0

将预测和置信度分数保存到 .txt 文件中，并以 40% 的置信度阈值执行推理

python path/to/detect.py --weights /path/to/modelweights.pt --save_text --save_conf --conf-thres 0.40 --source 0

如果模型权重文件名为“my_custom_weights.pt”，则代码变为：

 python ./Users/mtraor3/yolov5/detect.py --weights ./Users/mtraor3/yolov5/my_custom_weights.pt --save_text --save_conf --conf-thres 0.40 --source 0

可选参数

还有更多可选参数用于更改置信度阈值、保存裁剪的预测框等。

更多示例：

将预测和置信度分数保存到 .txt 文件中，以 40% 的置信度阈值进行推断。