首页
/ 在Supervision中使用YOLO模型时如何自定义推理图像尺寸

在Supervision中使用YOLO模型时如何自定义推理图像尺寸

2025-05-07 23:05:37作者:何将鹤

在使用Supervision库进行目标检测时,许多开发者会遇到一个常见问题:当通过sv.Detections.from_ultralytics()方法处理视频或图像时,模型总是以固定的384x640分辨率进行推理,即使输入的是更高分辨率的视频(如1280x720)。本文将深入探讨这一现象的原因,并提供解决方案。

问题现象分析

当开发者使用Supervision配合YOLO系列模型(如YOLOv8、YOLOv9等)处理视频时,通常会观察到控制台输出显示模型始终以384x640的分辨率进行推理。这种现象会导致两个直接影响:

  1. 检测精度可能不如预期,因为较低的分辨率会丢失一些细节信息
  2. 检测结果与直接使用Ultralytics库时的表现不一致

根本原因

这种现象源于YOLO模型内部的默认设置。当不显式指定推理尺寸时,模型会自动使用预设的默认分辨率(通常是640x640或384x640)。这与Supervision库本身无关,而是YOLO模型的行为特性。

解决方案

要解决这个问题,我们需要在调用模型时显式指定推理尺寸。具体方法是在调用模型时添加imgsz参数:

results = model(frame, imgsz=1280, verbose=True)[0]

这样设置后,模型会根据指定的尺寸自动调整输入图像的大小,同时保持宽高比。例如,指定1280时,模型可能会调整为736x1280的分辨率进行推理。

实现细节

完整的代码实现应包含以下关键步骤:

  1. 初始化YOLO模型
  2. 设置目标类别和置信度阈值
  3. 创建视频处理管道
  4. 在回调函数中指定推理尺寸
# 初始化模型
model = YOLO("yolov9e.pt")
model.fuse()

# 设置目标类别(COCO数据集)
selected_classes = [1, 2, 3, 5, 7]  # 人、车、摩托车、公交车、交通灯等

# 视频处理回调函数
def callback(frame: np.ndarray, index: int, fps: int) -> np.ndarray:
    # 关键步骤:指定推理尺寸
    results = model(frame, imgsz=1280, verbose=True)[0]
    detections = sv.Detections.from_ultralytics(results)
    
    # 过滤检测结果
    detections = detections[np.isin(detections.class_id, selected_classes)]
    detections = detections[detections.confidence > 0.1]
    
    # 添加标注
    labels = [
        f"{model.model.names[class_id]} {confidence:0.2f}" 
        for confidence, class_id in zip(detections.confidence, detections.class_id)
    ]
    
    annotated_frame = bounding_box_annotator.annotate(scene=frame, detections=detections)
    annotated_frame = label_annotator.annotate(scene=annotated_frame, detections=detections, labels=labels)
    
    return annotated_frame

性能考量

提高推理分辨率会带来两个主要影响:

  1. 检测精度通常会提高,因为更高分辨率保留了更多细节
  2. 推理速度会降低,因为模型需要处理更多像素

开发者需要根据具体应用场景在精度和速度之间找到平衡点。对于实时性要求高的场景,可能需要适当降低分辨率;而对于需要高精度的分析任务,则应使用更高分辨率。

最佳实践

  1. 测试不同分辨率:尝试640、960、1280等不同尺寸,找到最适合您任务的平衡点
  2. 监控显存使用:高分辨率会消耗更多显存,确保您的GPU有足够资源
  3. 预处理一致性:如果在训练时使用了特定分辨率,推理时最好保持一致
  4. 批处理优化:如果处理大量图像,考虑使用批处理并找到最优的批大小

通过以上方法,开发者可以充分利用Supervision和YOLO模型的强大功能,同时确保获得最佳的检测结果。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
861
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K