使用YOLOv7与ZED双目相机提取锥桶x/y坐标时代码报错求助

错误原因 #

1. 调用对象错误：img是PIL Image格式的图片，并非PyTorch张量，因此没有unsqueeze()方法。你应该对经过transform处理后的image张量做维度扩展，而非原始的PIL图片。
2. 模型调用错误：model已经是通过attempt_load加载好的预训练模型实例，不需要再执行model()创建新实例，直接传入处理好的张量即可完成推理。

修正后的完整代码 #

from models.experimental import attempt_load
import torchvision.transforms as transforms
from PIL import Image
import torch
from utils.general import non_max_suppression

# 设置设备
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# YOLOv7权重文件路径
weights_path = 'runs/train/yolov7-cones/weights/best.pt'

# 加载模型并设置为评估模式
model = attempt_load(weights_path, map_location=device)
model.to(device).eval()
img_size = 640

# 加载图片
img = Image.open("inference/3cone.jpeg")
# 定义图像预处理流程
transform = transforms.Compose([
    transforms.Resize((640, 640)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 预处理图片得到张量
image = transform(img)
# 添加batch维度，并将张量移至对应设备
image = image.unsqueeze(0).to(device)

# 模型推理
output = model(image)

# 非极大值抑制过滤冗余预测框
pred = non_max_suppression(output)[0]

# 提取目标的中心x、y坐标并存储为列表
coords = []
if pred is not None:
    for det in pred:
        # det格式：[x1, y1, x2, y2, conf, cls]
        x_center = (det[0] + det[2]) / 2
        y_center = (det[1] + det[3]) / 2
        coords.append([x_center.item(), y_center.item()])

# 打印结果
print("目标中心坐标列表：", coords)
print("模型输出张量形状：", output[0].shape)

关键修改说明 #

• 补充from PIL import Image导入，原代码缺少该模块会导致Image.open报错。
• 将img.unsqueeze(0)改为image.unsqueeze(0).to(device)，确保操作的是预处理后的张量，同时和模型设备保持一致。
• 移除错误的model1 = model()，直接用model(image)执行推理。
• 添加非极大值抑制（NMS）步骤，过滤YOLO模型输出的重复预测框。
• 新增目标中心坐标提取逻辑，将结果存储为列表，满足你提取坐标的需求。

内容的提问来源于stack exchange，提问作者sureya nachiappan