YOLOv5 模型测试：使用测试数据集评估性能

本指南介绍如何使用测试数据集对 YOLOv5 模型进行测试，以评估其性能。我们将逐步说明如何修改代码以指定测试数据集路径、调整模型参数以及保存测试结果。

1. 指定测试数据集路径

首先，需要将测试数据集的路径和标签文件路径写入测试脚本 detect.py 中。以下代码示例展示了如何修改代码：

python detect.py --weights runs/train/exp/weights/best.pt --img 640 --conf 0.4 --source data/test/images --names data/custom/classes.names --save-txt --exist-ok

其中：

--source 指定测试数据集的路径。
--names 指定标签文件的路径。

2. 修改模型超参数

接下来，您可以根据需要修改模型的超参数，例如输入图像大小和置信度阈值。以下代码示例展示了如何修改参数：

parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
parser.add_argument('--conf-thres', type=float, default=0.4, help='object confidence threshold')

3. 运行测试脚本并保存结果

最后，运行 detect.py 脚本即可对模型进行测试。测试结果将输出在控制台上，同时您也可以选择将检测结果保存为图片或文本文件。以下代码示例展示了如何修改代码以保存测试结果：

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
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')

通过这些简单的代码修改，您可以轻松地使用测试数据集对 YOLOv5 模型进行测试，并评估其在不同参数设置下的性能。