Есть код который находит мусор на фото, надо его переделать чтобы он определял с видео когда я пробую сделать вебку он не может увидеть с нее видео?

Question

[Pipi PUPU]

вот код с определением мусора

import yolov5

# load model
model = yolov5.load('keremberke/yolov5n-garbage')

# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

# set image
img = 'C:/Users/pipip/PycharmProjects/PythonProject/results/u53967t1.png'

# perform inference
results = model(img, size=640)

# inference with test time augmentation
results = model(img, augment=True)

# parse results
predictions = results.pred[0]
boxes = predictions[:, :4]  # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# show detection bounding boxes on image
results.show()

# save results into "results/" folder
results.save(save_dir='results/')

а вот видео с вебки
import cv2

import cv2

cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, img = cap.read()
    cv2.imshow('output', img)

    key = cv2.waitKey(10)
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()

Comments

[Алексей Черемисин]

Абырвалг какой-то,
Вы уж, будьте любезны, конкретищируйте вопрос. Что, куда и как.
И что конкретно у Вас не получается?
Что пытались переделать и что не получилось?
А уж если нужно переделать, но не знаете как, то это не сюда, а на фрилансовые ресурсы.

[Pipi PUPU]

import cv2
import yolov5

# load model
model = yolov5.load('keremberke/yolov5n-garbage')

# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

cap = cv2.VideoCapture(0)


while cap.isOpened():
    ret, img = cap.read()

    #img = cap.read()

    # perform inference
    results = model(img, size=640)

    # inference with test time augmentation
    results = model(img, augment=True)

    # parse results
    predictions = results.pred[0]
    boxes = predictions[:, :4]  # x1, y1, x2, y2
    scores = predictions[:, 4]
    categories = predictions[:, 5]

    # show detection bounding boxes on image
    cv2.imshow('output', img)
    #results.show()

    key = cv2.waitKey(10)
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()

У меня получился вот такой код но у меня получается так если раз документировать #results.show() то получится что у меня будут бесконечно создаваться фото а мне надо чтобы results был как cv2.imshow('output', img)

Answer 1

[Vindicar]

Тебе модель, скорее всего, отдаст экземпляр класса Detections.
Если его посмотреть, там есть несколько полезных методов, например, render(), который возвращает список обработанных изображений с отрисованными объектами. А ещё у него есть свойства imgs, xywh и names, чтобы получить обработанные изображения, рамки и классы найденного. Экспериментируй с ними
Не забываем, что модель рассчитана на подачу пачки изображений, просто эта пачка может содержать и только одно изображение. Отсюда и множественное число, и постоянные массивы.