parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')
    parser.add_argument('--source', type=str, default='data/images', 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('--max-det', type=int, default=1000, help='maximum number of detections per image')
    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('--save-crop', action='store_true', help='save cropped prediction boxes')
    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('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
    parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
    parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
    opt = parser.parse_args()

• parser.add_argument(’–weights’, nargs=’+’, type=str, default=‘yolov5s.pt’, help=‘model.pt path(s)’)
  • default=’ ’ 可选参数如下
    • yolov5s.pt
    • yolov5m.pt
    • yolov5l.pt
    • yolov5x.pt
    • yolov5s6.pt
    • yolov5m6.pt
    • yolov5l6.pt
    • yolov5x6.pt

注： 第一次加载会从 github上下载训练好的神经网络 yolov5s.pt 文件，如果无法下载，可以从 yolov5 的官方网址中找到如下图，根据不同的模型进行对比，选择需要的模型进行下载。

下载好以后，放在项目的根目录下
在文件夹中所在的位置

• parser.add_argument(’–source’, type=str, default=‘data/images’, help=‘source’)

  • 根据需要可以对视频，图片进行检测
    • default=‘data/images’：对该文件夹下的所有图片进行检测
    • default=‘data/images/test.jpg’：对该图片进行检测
    • default=‘data/video/demo.mp4’：对该视频进行检测
    • default=‘0’：调用摄像头（如果是笔记本，调用笔记本自带摄像头）
    • default=‘1’：调用usb摄像头

• parser.add_argument(’–img-size’, type=int, default=640, help=‘inference size (pixels)’)

  • 在训练的过程中对图片的尺寸进行缩放，输入图片和输出的图片尺寸不发生改变。
    • default=640
    • default=1290

• parser.add_argument(’–conf-thres’, type=float, default=0.25, help=‘object confidence threshold’)

  • 检测目标的概率大于 默认值 就会在图像中标记出来。
    • default=0.25：检测目标的概率大于 0.25 就会在图像中标记出来
    • default=0.68：检测目标的概率大于 0.68 就会在图像中标记出来

• parser.add_argument(’–iou-thres’, type=float, default=0.45, help=‘IOU threshold for NMS’)

  • IoU是两个区域重叠的部分除以两个区域的集合部分得出的结果，通过设定的阈值，与这个IoU计算结果比较。
  • 以下是IOU的计算公式
    
    当IOU = 0，IOU = 0.25，IOU = 1时如下图所示：
    
    IOU实际上衡量了两个边界框重叠地相对大小，预测框和真实框重叠越大。
    

• parser.add_argument(’–device’, default=’’, help=‘cuda device, i.e. 0 or 0,1,2,3 or cpu’)

  • 选择使用的设备例如：CPU或CUDA

• parser.add_argument(’–view-img’, action=‘store_true’, help=‘display results’)

  • 在命令行中使用或在PyCharm中调用可以实时看到检测结果。

    python detect.py --view-img
    

    在Parameters中设置
    注：调用 --view-img 后会自动变为 view_img=True，在不调用的情况下位view_img=False.
    

• parser.add_argument(’–save-txt’, action=‘store_true’, help=‘save results to *.txt’)

  • 将结果保存为txt文件，在PyCharm中调用
    
    以下为运行结果：
    
    

• parser.add_argument(’–classes’, nargs=’+’, type=int, help=‘filter by class: --class 0, or --class 0 2 3’)

  • 只保留指定类别
    
    
    例如：–classes 0 ：只检测0这类目标，0在yolov5中给的对应的类别为人
    
    检测结果如下图：
    
    例如：–classes 5 ：只检测5这类目标，5在yolov5中给的对应的类别为车
    

• parser.add_argument(’–augment’, action=‘store_true’, help=‘augmented inference’)

  • 增强检测结果，可以提高检测结果的概率

• parser.add_argument(’–project’, default=‘runs/detect’, help=‘save results to project/name’)

  • 默认将保存结果，保存在 runs/detect 目录下，通过修改 default 可以自定义保存目录。

• parser.add_argument(’–name’, default=‘exp’, help=‘save results to project/name’)

  • 指定保存结果的文件名，默认文件名为exp，通过修改 default 可以自定义保存的文件名。

• parser.add_argument(’–exist-ok’, action=‘store_true’, help=‘existing project/name ok, do not increment’)

  • 当调用 --exist-ok 时，每次启动检测时，检测的结果不会再创建新的文件夹，而是将结果存放在在目前已有文件夹中。