Skip to main content

检测

一种目标检测深度学习算法 ,通过对 图片中目标的标注,训练.得到模型,下载运行模型从而检测目标

应用场景

对于不同手机,不同分辨率情况下的目标检测. 能达到很好的效果.

例如 微信跳一跳检测 , 多分辨率兼容的图像检测 , 物品检测, 带口罩检测 等等...

# 导包
from ascript.ios.screen import yolov11

方法​

初始化模型​

加载模型,并初始化

  • 函数
yolov11.load(param_path, bin_path, yaml_path=None, nc=0, use_gpu=False)
  • 参数
参数类型是否必填说明
param_pathstr是ncnn模型的param文件的绝对路径
bin_pathstr是ncnn模型的bin文件绝对路径
yaml_pathstr否data.yaml文件路径，用于自动读取标签名称
ncint否模型的标签数量,默认0(自动检测)
use_gpubool否是否启动gpu，默认用cpu
  • 返回值

bool 是否初始化成功

  • 示例
from ascript.ios.system import R
from ascript.ios.screen import yolov11

# 基本用法
is_init = yolov11.load(R.res("custom.param"), R.res("custom.bin"))
if is_init:
    print("模型初始化成功")

# 指定 yaml 文件，自动读取标签名称
is_init = yolov11.load(
    R.res("model.ncnn.param"),
    R.res("model.ncnn.bin"),
    yaml_path=R.res("data.yaml")
)

检测目标​

  • 函数
yolov11.detect(img=None, target_size=640, threshold=0.4, nms_threshold=0.5, rect=None)
  • 参数
参数类型是否必填说明
imgUnion[Image, str]否默认None,用当前屏幕检测, 可以填入PilImage或者http图片地址,或文件地址
target_sizeint否图像进入后缩放的检测大小,模型训练一般都用640,因此这里的640一般不要改
thresholdfloat否置信度,默认0.4 小于这个值的会被过滤掉
nms_thresholdfloat否重叠阈值，一般是0.5不需要更改
rectlist否圈定检测范围 [x1, y1, x2, y2]，默认全屏
  • 返回值

数组[]:

[
    {"class_id": 1, "confidence": 0.96, "rect": [551, 948, 1008, 1214], "tag": "label_name"},
    {"class_id": 0, "confidence": 0.91, "rect": [296, 1151, 370, 1364], "tag": "label_name"}
]

  • class_id: 标签序号,可通过标签数组拿到对应的标签名称

  • confidence: 置信度

  • rect: 位置信息 [左,上,右,下] 4个点的坐标

  • tag: 标签名称（需要在 load 时传入 yaml_path，否则为 null）

  • 示例

from ascript.ios.system import R
from ascript.ios.screen import yolov11

is_init = yolov11.load(
    R.res("model.ncnn.param"),
    R.res("model.ncnn.bin"),
    yaml_path=R.res("data.yaml")
)
if is_init:
    print("模型初始化成功")
    res = yolov11.detect()
    for r in res:
        print("标签:", r["tag"])
        print("标签ID:", r["class_id"])
        print("置信度:", r["confidence"])
        print("目标坐标范围:", r["rect"])

    # 指定区域检测
    res = yolov11.detect(rect=[0, 0, 500, 500])

获取类别数​

获取当前模型的类别数量

  • 函数
yolov11.nc()
  • 返回值

int 模型类别数量

释放模型​

  • 函数
yolov11.free()