YOLO V5导出边界框坐标时如何获取对应score of prediction

这个需求完全可以实现，不需要修改模型结构、也不需要重新训练。YOLOv5推理时本来就会输出每个检测框的预测置信度（也就是你要的prediction score），你之前导出的txt里没有这个值，只是默认导出配置没开置信度保存，或者自定义导出逻辑的时候没把这个字段写进去而已。

方法1：零代码修改，直接加启动参数（最省事） #

如果你是用YOLOv5官方自带的detect.py脚本跑推理导出结果，根本不用改源码，启动推理命令的时候加上--save-conf参数就行。开启后导出的txt文件，每一行都会在类别、坐标信息的末尾自动追加对应的预测分数。
示例命令：

python detect.py --weights 你训练好的模型权重路径.pt --source 待检测的图片/视频文件夹路径 --save-txt --save-conf

导出的txt单条记录格式为：类别ID 归一化x中心坐标 归一化y中心坐标 归一化框宽度 归一化框高度 预测分数，其中预测分数范围在0到1之间，数值越高代表模型对这个检测结果的判定越确定，和你在检测可视化图上看到的框上标的置信度数值完全一致。

方法2：自定义导出逻辑时手动追加置信度字段 #

如果你是自己写的推理、导出代码，只需要在遍历检测结果的时候，把每个框对应的置信度值一起写入txt就可以。YOLOv5单张图的推理返回结果里，每个检测框的存储格式是[x1, y1, x2, y2, 置信度, 类别ID]，遍历的时候直接取出置信度字段，和你之前要存的坐标、类别ID拼到一起写入文件就行。
参考代码片段：

# pred为模型返回的单张图片检测结果
for *xyxy, conf, cls in pred:
    # 这部分是你原有的坐标转换逻辑，比如转归一化xywh格式
    xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / img_size_ratio).view(-1).tolist()
    # 把conf拼到要写入的行数据里
    line_content = (int(cls), *xywh, float(conf))
    # 写入对应txt文件
    with open(target_txt_path, 'a') as f:
        f.write(('%g ' * len(line_content)).rstrip() % line_content + '\n')

• 要是加了--save-conf参数导出的txt还是没有分数，先检查你本地拉的YOLOv5仓库版本，太老的版本没内置这个参数，直接用方法2手动加字段就行，代码改动很小，不会影响原有检测效果。
• 如果你在后处理阶段加了置信度阈值过滤（比如只保留置信度大于0.25的检测框），导出的分数就是过滤后的最终结果分数，不需要额外做数值转换。

内容的提问来源于stack exchange，提问作者Dilow