YOLOv5 的 helloworld 入门示例

当涉及到计算机视觉的任务时，Hello World 级别的任务通常是读取一张图像并对其进行目标检测。下面是一个使用YOLOv5来进行图像目标检测的简单的示例代码，作为YOLOv5的Hello World：

import torch
import cv2
from yolov5 import detect

# 加载预训练权重
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# 读取图像
img = cv2.imread('image.jpg')

# 对图像进行目标检测
results = detect.detect_image(model, img)

# 显示检测结果
cv2.imshow('image', results)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先加载了预训练权重，然后读取了一张图像，使用YOLOv5模型进行目标检测，最后将检测结果显示在屏幕上。注意，此代码中使用了detect_image函数，该函数来自yolov5模块。如果您的环境没有此模块，请先安装它。

请注意，这个示例仅仅是个简单的例子，实际应用中需要根据任务的具体要求对代码进行更加详细的定制。

YOLOv5是一个用于目标检测的深度学习模型，它可以检测出在训练集中存在的目标类别。YOLOv5可以检测各种不同的对象，例如人、车辆、动物、物品等80个种类。

以下是YOLOv5中COCO训练模型可检测的类型

索引	英文名称	中文名称
0	person	人
1	bicycle	自行车
2	car	汽车
3	motorcycle	摩托车
4	airplane	飞机
5	bus	公共汽车
6	train	火车
7	truck	卡车
8	boat	船
9	traffic light	红绿灯
10	fire hydrant	消防栓
11	stop sign	停车标志
12	parking meter	停车计时器
13	bench	长椅
14	bird	鸟
15	cat	猫
16	dog	狗
17	horse	马
18	sheep	羊
19	cow	牛
20	elephant	大象
21	bear	熊
22	zebra	斑马
23	giraffe	长颈鹿
24	backpack	背包
25	umbrella	雨伞
26	handbag	手提包
27	tie	领带
28	suitcase	手提箱
29	frisbee	飞盘
30	skis	滑雪板
31	snowboard	单板滑雪
32	sports ball	运动球
33	kite	风筝
34	baseball bat	棒球棒
35	baseball glove	棒球手套
36	skateboard	滑板
37	surfboard	冲浪板
38	tennis racket	网球拍
39	bottle	瓶子
40	wine glass	酒杯
41	cup	杯子
42	fork	叉子
43	knife	刀
44	spoon	勺子
45	bowl	碗
46	banana	香蕉
47	apple	苹果
48	sandwich	三明治
49	orange	橙子
50	broccoli	西兰花
51	carrot	胡萝卜
52	hot dog	热狗
53	pizza	比萨
54	donut	甜甜圈
55	cake	蛋糕
56	chair	椅子
57	couch	沙发
58	potted plant	盆栽
59	bed	床
60	dining table	餐桌
61	toilet	厕所
62	tv	电视
63	laptop	笔记本电脑
64	mouse	鼠标
65	remote	遥控器
66	keyboard	键盘
67	cell phone	手机
68	microwave	微波炉
69	oven	烤箱
70	toaster	烤面包机
71	sink	水槽
72	refrigerator	冰箱
73	book	书
74	clock	时钟
75	vase	花瓶
76	scissors	剪刀
77	teddy bear	泰迪熊
78	hair drier	吹风机
79	toothbrush	牙刷