当前位置：首页 > news >正文

Python入门到实战：手把手教你调用DAMOYOLO-S完成目标检测

news 2026/8/27 12:17:26

Python入门到实战：手把手教你调用DAMOYOLO-S完成目标检测

你是不是觉得AI目标检测听起来很高深，需要复杂的数学和大量的代码？其实，借助一些强大的开源工具，用Python写几十行代码就能实现。今天，我就带你从零开始，一步步用Python调用DAMOYOLO-S模型，完成一个简单的目标检测任务。整个过程就像搭积木，你只需要跟着做，就能看到电脑识别出图片里的物体，非常有成就感。

DAMOYOLO-S是一个轻量级但性能不错的目标检测模型，特别适合我们新手入门。它速度快，精度也够用，用来检测常见的猫狗、车辆、行人完全没问题。学完这篇教程，你不仅能掌握调用AI模型的基本流程，还能亲手做出一个能“看懂”图片的小程序。

1. 环境准备：搭建你的Python工作台

工欲善其事，必先利其器。我们先来把需要的工具都准备好。整个过程很简单，就像安装手机APP一样。

1.1 安装Python和必备工具

首先，确保你的电脑上安装了Python。我推荐使用Python 3.8或3.9版本，这两个版本比较稳定，兼容性好。你可以打开命令行（Windows上是CMD或PowerShell，Mac/Linux上是Terminal），输入python --version来检查。如果显示了版本号，比如“Python 3.9.13”，那就没问题。

如果没有安装，去Python官网下载安装包，记得在安装时勾选“Add Python to PATH”这个选项，这样系统才能找到Python命令。

接下来，我们需要一个写代码的地方。你可以用任何文本编辑器，但我强烈推荐使用Visual Studio Code (VS Code)。它免费、功能强大，对新手特别友好。安装好VS Code后，再安装一个叫“Python”的扩展，这样写代码时就有智能提示和语法高亮了，非常方便。

1.2 安装必要的Python库

我们需要几个Python库来帮忙。打开你的命令行，一条一条输入下面的命令来安装。如果遇到网络慢的情况，可以在命令最后加上-i https://pypi.tuna.tsinghua.edu.cn/simple来使用国内的镜像源加速。

pip install opencv-python pip install numpy pip install requests pip install Pillow

我来简单解释一下这几个库是干什么的：

opencv-python：这是处理图片和视频的“瑞士军刀”，我们用它来读取图片、画框、显示结果。
numpy： Python里做数学计算的核心库，很多AI模型的数据处理都依赖它。
requests：一个非常简单的库，用来从网上下载东西，比如我们的模型文件。
Pillow：另一个处理图片的库，有时候比OpenCV更轻便。

安装过程可能会花一两分钟，看到“Successfully installed”就表示成功了。

2. 获取模型：让AI拥有“视力”

现在，我们需要让程序拥有“视力”，也就是目标检测模型。DAMOYOLO-S的模型文件通常以.onnx格式提供，这是一种通用的模型格式，很多框架都能调用。

2.1 下载模型文件

我们可以直接从项目的官方发布页面或者一些模型仓库下载。为了教程的连贯性，我准备了一个示例模型文件的下载链接（请注意，实际开发中请使用官方最新发布的模型）。我们将用requests库来下载它。

在你的代码文件夹里，新建一个Python文件，比如叫object_detection.py。然后，把下面这段代码复制进去。这段代码的作用就是去网上下载模型文件，并保存到你的电脑里。

import requests import os def download_file(url, save_path): """ 从指定的URL下载文件，并保存到本地路径。 """ print(f"正在下载模型文件...") response = requests.get(url, stream=True) response.raise_for_status() # 检查请求是否成功 # 确保保存的文件夹存在 os.makedirs(os.path.dirname(save_path), exist_ok=True) # 以二进制写入模式打开文件，并分块下载写入，适合大文件 with open(save_path, 'wb') as f: for chunk in response.iter_content(chunk_size=8192): f.write(chunk) print(f"模型文件已保存至: {save_path}") # 示例模型下载链接（请替换为实际可用的链接） # 这里是一个假设的链接，你需要替换成真实的DAMOYOLO-S ONNX模型链接 model_url = "https://example.com/path/to/damoyolo_s.onnx" # 请替换！ local_model_path = "./models/damoyolo_s.onnx" # 执行下载 download_file(model_url, local_model_path)

重要提示：上面代码里的model_url是一个示例链接，你需要把它替换成真实的、有效的DAMOYOLO-S ONNX模型文件地址。你可以去DAMOYOLO的GitHub仓库的“Releases”页面寻找，或者在一些模型平台（如Hugging Face Model Hub）上搜索“damoyolo-s onnx”。

2.2 准备一张测试图片

模型有了，我们还需要一张让它“看”的图片。你可以用手机拍一张包含猫、狗、汽车或者杯子的照片，或者直接从网上下载一张。把这张图片放在你的代码文件夹里，重命名为test_image.jpg。

如果暂时没有合适的图片，我们也可以用代码生成一张简单的测试图，或者用OpenCV画一个。这里我们先假设你已经有了一张test_image.jpg。

3. 核心实战：三步完成目标检测

最激动人心的部分来了！我们将把准备工作串联起来，完成加载模型、识别物体、画出结果这三步。

3.1 第一步：加载模型并读取图片

首先，我们需要用OpenCV读取图片，并准备好模型需要的输入数据格式。ONNX模型通常需要一个叫onnxruntime的库来运行。我们先安装它：pip install onnxruntime。

然后，看下面的代码：

import cv2 import numpy as np import onnxruntime as ort # 1. 加载我们已经下载好的ONNX模型 model_path = "./models/damoyolo_s.onnx" session = ort.InferenceSession(model_path) # 创建一个推理会话 # 获取模型输入输出的名称，后面会用到 input_name = session.get_inputs()[0].name output_names = [output.name for output in session.get_outputs()] # 2. 用OpenCV读取测试图片 image_path = "./test_image.jpg" original_image = cv2.imread(image_path) if original_image is None: print(f"错误：无法读取图片，请检查路径 {image_path}") exit() # 显示一下原始图片看看 cv2.imshow('Original Image', original_image) cv2.waitKey(1000) # 显示1秒 cv2.destroyAllWindows() # 3. 图片预处理：将图片调整到模型要求的大小，并转换格式 # 假设DAMOYOLO-S模型要求输入为640x640的RGB图像，且数值归一化到0-1 input_size = (640, 640) # 具体尺寸请查阅你所使用模型的文档 # 将BGR格式（OpenCV默认）转换为RGB格式 image_rgb = cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB) # 调整图片尺寸 image_resized = cv2.resize(image_rgb, input_size) # 将像素值从0-255转换到0-1的浮点数，并调整维度顺序为 (批次数, 通道数, 高, 宽) input_tensor = image_resized.astype(np.float32) / 255.0 input_tensor = np.transpose(input_tensor, (2, 0, 1)) # 从 (H,W,C) 变为 (C,H,W) input_tensor = np.expand_dims(input_tensor, axis=0) # 增加批次维度，变成 (1, C, H, W) print("图片预处理完成，输入数据形状：", input_tensor.shape)

这段代码做了三件事：加载模型、读取你的照片、把照片转换成模型能“吃”下去的格式（调整大小、转换颜色、归一化数字）。

3.2 第二步：运行模型，得到检测结果

模型“吃”下数据后，就会“吐”出检测结果。这一步非常简单，就一行核心代码。

# 4. 运行模型进行推理（预测） outputs = session.run(output_names, {input_name: input_tensor}) print("模型推理完成！") print(f"输出数量：{len(outputs)}") # 通常，目标检测模型的输出会比较复杂，可能包含框的位置、置信度、类别等 # 我们需要根据DAMOYOLO-S具体的输出格式来解析 # 这里假设第一个输出是包含所有检测框信息的数组 detections = outputs[0] print(f"检测到的原始数据形状：{detections.shape}")

outputs变量里就装着模型找到的所有可疑物体的信息，比如“这里可能有一只猫，坐标是X,Y，可信度是85%”。不过，这些信息还是原始数据，我们需要下一步来解读它。

3.3 第三步：解析结果并画在图片上

原始数据是一堆数字，我们需要从中提取出我们能看懂的信息：是什么物体、在哪里、有多确信。然后把这些信息用框和文字标在原来的图片上。

# 5. 解析模型的输出结果 # 注意：不同的模型输出格式不同，以下解析逻辑需要根据你使用的DAMOYOLO-S具体版本来调整 # 这里提供一个常见的YOLO系列输出解析示例 def parse_detections(detections, original_image, input_size): """ 解析检测结果，并在原图上绘制边界框。 这是一个示例函数，你需要根据模型实际输出调整。 """ img_height, img_width = original_image.shape[:2] scale_x = img_width / input_size[0] scale_y = img_height / input_size[1] # 假设detections的形状是 [1, N, 6]，其中N是检测框数量，6代表 [x1, y1, x2, y2, 置信度, 类别ID] # 这只是假设，务必查阅你的模型文档！ drawn_image = original_image.copy() for det in detections[0]: # 遍历所有检测框 # 提取坐标、置信度和类别 x1, y1, x2, y2, conf, class_id = det # 如果置信度太低，忽略这个检测 if conf < 0.5: # 置信度阈值，可以调整 continue # 将坐标从模型输入尺寸(640x640)映射回原始图片尺寸 x1 = int(x1 * scale_x) y1 = int(y1 * scale_y) x2 = int(x2 * scale_x) y2 = int(y2 * scale_y) # 为不同的类别准备不同的颜色（这里简单用类别ID*50来区分） color = (int(class_id * 50) % 255, int(class_id * 100) % 255, int(class_id * 150) % 255) # 在图片上画矩形框 cv2.rectangle(drawn_image, (x1, y1), (x2, y2), color, 2) # 准备标签文字：类别ID和置信度 label = f"Class {int(class_id)}: {conf:.2f}" # 计算文字背景框的大小 (label_width, label_height), baseline = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 2) # 画一个填充矩形作为文字背景 cv2.rectangle(drawn_image, (x1, y1 - label_height - baseline), (x1 + label_width, y1), color, -1) # 在背景上写白色文字 cv2.putText(drawn_image, label, (x1, y1 - baseline), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2) return drawn_image # 调用函数解析并绘制结果 result_image = parse_detections(detections, original_image, input_size) # 6. 展示最终结果 cv2.imshow('Detection Result', result_image) print("检测结果已显示，按任意键关闭窗口。") cv2.waitKey(0) # 等待按键 cv2.destroyAllWindows() # 可选：保存结果图片 cv2.imwrite('./detection_result.jpg', result_image) print("结果图片已保存为 'detection_result.jpg'")

运行完这段代码，你应该会看到一个弹窗，里面是你原来的图片，但上面多了彩色的框和标签，标出了模型识别到的物体。第一个数字是类别（比如0代表‘人’，1代表‘自行车’，具体看模型训练时的定义），第二个数字是置信度，越高表示模型越确信。

4. 完整代码与下一步建议

为了方便你直接运行，我把上面关键的步骤整合成一个完整的、可以执行的脚本。你需要做的就是：1. 准备好真实的模型文件链接；2. 准备一张测试图片。

# object_detection_complete.py import cv2 import numpy as np import onnxruntime as ort import requests import os # ---- 第一部分：下载模型（只需运行一次）---- def download_model(): model_url = "YOUR_ACTUAL_MODEL_DOWNLOAD_LINK_HERE" # ！！！请务必替换成真实链接！！！ local_path = "./models/damoyolo_s.onnx" if not os.path.exists(local_path): print("未找到本地模型，开始下载...") os.makedirs(os.path.dirname(local_path), exist_ok=True) response = requests.get(model_url, stream=True) with open(local_path, 'wb') as f: for chunk in response.iter_content(chunk_size=8192): f.write(chunk) print("模型下载完成。") else: print("本地模型已存在，跳过下载。") return local_path # ---- 第二部分：主检测流程 ---- def main(): # 1. 确保模型存在 model_path = download_model() # 2. 加载模型 session = ort.InferenceSession(model_path) input_name = session.get_inputs()[0].name # 3. 加载图片 img_path = "./test_image.jpg" # 请确保此图片存在 img = cv2.imread(img_path) if img is None: print(f"错误：找不到图片 {img_path}") return # 4. 图片预处理 input_size = (640, 640) img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized = cv2.resize(img_rgb, input_size) input_tensor = img_resized.astype(np.float32) / 255.0 input_tensor = np.transpose(input_tensor, (2, 0, 1)) input_tensor = np.expand_dims(input_tensor, axis=0) # 5. 模型推理 outputs = session.run(None, {input_name: input_tensor}) detections = outputs[0] # 根据你的模型调整索引 # 6. 解析并绘制结果 (这里需要你根据模型输出格式完善parse_detections函数) # result_img = your_parse_function(detections, img, input_size) # 由于不同版本模型输出格式差异大，这里先简单显示原始图片 cv2.imshow('Original Image (Need Custom Parser)', img) cv2.waitKey(0) cv2.destroyAllWindows() print("流程执行完毕！请根据你的模型输出格式，完善结果解析函数。") if __name__ == "__main__": main()

最重要的提醒：这个完整脚本里的parse_detections函数是个空壳。因为不同的DAMOYOLO-S模型版本（比如v1, v2, tiny版）输出数据的格式可能完全不同。要让它真正工作，你必须去查阅你所下载的那个特定模型文件的文档，搞清楚它的输出到底是个什么结构（是几个数组？每个数组的形状和含义是什么？），然后根据文档来重写这个解析函数。这是从“跑通Demo”到“真正理解”的关键一步。