替换两个函数，Python版YOLOv5+OpenCV推理帧率提升1.5倍

文章预览

点击上方 蓝字 关注我们 微信公众号： OpenCV学堂 关注获取更多计算机视觉与深度学习知识 测试与发现 YOLOv5官方给出的YOLOv5在OpenCV上推理的程序相对来说是比较通俗易懂的，条理清晰，有基本的封装，直接可用！但是我也发现，模型的推理时间跟前后处理的时间相差无几，特别是当视频流有多个检测到的对象时候，整个帧率会有明显下降！ 官方推荐的参考示例代码链接为： https: / /github.com/doleron /yolov5-opencv-cpp-python/blob /main/python /yolo-tiny.py 最后发现推理时间没有明显变化，主要是前后处理，有两个函数耗时比较高！ 从输入图像转换到模型输入数据的函数： cv2.dnn.blobFromImage(input_image , 1 / 255.0 , ( 640 , 640 ), swapRB= True ) 推理之后的重叠目标框非最大抑制函数： indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.25 , 0.45 ) 特别是非最大抑制函数，随着图像中目标数 ………………………………