YOLO预训练模型检测异常：框体过多且目标识别错误求助

原因分析 #

• 置信度阈值设置过低：YOLO默认的检测置信度阈值（conf）通常为0.25，这个值会保留大量低置信度的误检结果，导致画面中出现大量错误检测框。从你提供的日志可以看到，模型识别出了一堆与长颈鹿完全无关的类别，这些都是低置信度的误判。
• 模型加载异常（概率较低）：如果下载的yolov5nu.pt文件损坏，或者使用的ultralytics库版本与模型不兼容，也可能导致模型输出异常。

解决方法 #

1. 提高检测置信度阈值：在model.predict()方法中添加conf参数，过滤低置信度的误检结果，建议设置为0.5及以上（可根据实际效果调整）。修改后的代码如下：

from ultralytics import YOLO
import cv2
from PIL import Image

model = YOLO("yolov5nu.pt")
model.info()
im1 = Image.open("images/giraffe.jpg")
# 添加conf和iou参数过滤误检
results = model.predict(source=im1, save=True, save_txt=True, conf=0.5, iou=0.5)
cv2.imshow("YOLOv5 Detection", results[0].plot())
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 验证模型完整性：执行model.info()查看模型信息，确认模型是基于COCO 80类数据集预训练的（其中包含长颈鹿类别）。如果信息异常，重新从官方渠道下载yolov5nu.pt模型。
3. 无需重新训练模型：YOLOv5nu的预训练COCO数据集已经包含长颈鹿类别，只要调整检测参数就能正常识别，不需要额外训练。

内容的提问来源于stack exchange，提问作者Yiming Li