Yolov5中model.save()为每张检测图像创建独立文件夹的问题求助

问题原因 #

你调用的results.save()方法内部使用了increment_path函数，默认会在指定的save_dir下生成递增子文件夹（如exp、exp1、exp2...），因为exist_ok参数默认是False，每次调用都会创建新的子目录。

解决方案 #

方案1：修改save()的exist_ok参数

直接在调用save()时传入exist_ok=True，这样increment_path就不会创建递增子文件夹，所有检测结果会直接保存到你指定的output_folder_path中：

import os
import torch
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
folderPath = r"C:\yolo\deneme\miniframes"
imageFiles = [f for f in os.listdir(folderPath) if f.endswith(('.jpg', '.jpeg', '.png'))]

output_folder_path = r"C:\yolo\deneme\detectedframes"
os.makedirs(output_folder_path, exist_ok=True)  # 提前创建输出目录
output_txt_path = os.path.join(output_folder_path, "results.txt")

all_results = []

for frameNumber, image in enumerate(imageFiles):
    imagePath = os.path.join(folderPath, image)
    results = model(imagePath)
    # 添加exist_ok=True，避免生成递增子文件夹
    results.save(save_dir=output_folder_path, exist_ok=True)

    df = results.pandas().xyxy[0]
    for i in df['name']:
        all_results.append((frameNumber, i))

# 写入检测结果文本
with open(output_txt_path, 'w') as f:
    for frameNumber, obj in all_results:
        f.write(f"Frame:{frameNumber} {obj}\n")

方案2：手动保存检测图像（更灵活）

如果需要完全控制保存路径和文件名，可以跳过results.save()，直接从results.imgs中提取检测后的图像数组，用OpenCV手动保存：

import os
import torch
import cv2
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
folderPath = r"C:\yolo\deneme\miniframes"
imageFiles = [f for f in os.listdir(folderPath) if f.endswith(('.jpg', '.jpeg', '.png'))]

output_folder_path = r"C:\yolo\deneme\detectedframes"
os.makedirs(output_folder_path, exist_ok=True)
output_txt_path = os.path.join(output_folder_path, "results.txt")

all_results = []

for frameNumber, image in enumerate(imageFiles):
    imagePath = os.path.join(folderPath, image)
    results = model(imagePath)
    
    # 手动保存检测后的图像，完全自定义路径和文件名
    for img in results.imgs:
        save_filename = f"detected_{image}"  # 可自定义文件名规则
        save_path = os.path.join(output_folder_path, save_filename)
        # Yolov5返回的img为BGR格式，直接兼容cv2.imwrite
        cv2.imwrite(save_path, img)

    df = results.pandas().xyxy[0]
    for i in df['name']:
        all_results.append((frameNumber, i))

# 写入检测结果文本
with open(output_txt_path, 'w') as f:
    for frameNumber, obj in all_results:
        f.write(f"Frame:{frameNumber} {obj}\n")

为什么ChatGPT的方案无效？ #

你使用的是torch.hub.load加载的Yolov5模型，其save()方法参数与Ultralytics YOLOv8的save()不同，并不支持save_img、img_name这类参数，因此该方案不适用。

内容的提问来源于stack exchange，提问作者Emre q