如何在YOLOv5中仅对感兴趣区域（ROI）执行目标检测

核心需求为过滤所有与预设感兴趣区域（ROI）无交集的检测结果，仅保留ROI范围内的有效目标。

方案1：检测前裁剪ROI（性能优先） #

该方案适合ROI固定、无需保留全图检测输出的场景，实现成本低、检测速度快：

• 先定义ROI的像素坐标，格式为(x_min, y_min, x_max, y_max)，分别对应ROI左上角、右下角的坐标
• 从原图中裁剪出ROI子图，示例代码：roi_img = original_img[y_min:y_max, x_min:x_max]
• 直接对裁剪后的ROI子图运行目标检测模型
• 若需要将检测结果映射回原图坐标，只需将所有检测框的x轴坐标加x_min、y轴坐标加y_min即可
  优势：需处理的图像范围更小，检测效率更高，不会产生多余的外区检测结果。

方案2：检测后过滤结果（兼容性优先） #

该方案适合需要保留全图检测流程、ROI动态调整的场景，无需修改检测模型的输入逻辑：

• 先对整张原图执行目标检测，得到所有检测框的坐标集合boxes = [ (x1, y1, x2, y2, confidence, class_id), ... ]
• 定义ROI区域坐标roi = (rx1, ry1, rx2, ry2)
• 遍历所有检测框，仅保留符合规则的结果，过滤规则可按需选择：

1. 宽松规则：检测框与ROI的交集面积大于0即保留
2. 严格规则：检测框中心点落在ROI范围内才保留 / 检测框与ROI的IOU大于预设阈值才保留

• 输出过滤后的检测结果即可

过滤逻辑代码示例 #

def check_box_in_roi(box, roi):
    # 入参格式：box=(x1,y1,x2,y2)，roi=(rx1,ry1,rx2,ry2)
    # 计算两个框的交集坐标
    inter_x1 = max(box[0], roi[0])
    inter_y1 = max(box[1], roi[1])
    inter_x2 = min(box[2], roi[2])
    inter_y2 = min(box[3], roi[3])
    # 交集面积大于0则判定为有效
    return (inter_x2 - inter_x1) > 0 and (inter_y2 - inter_y1) > 0

# 调用示例
roi_range = (120, 100, 550, 420)
all_detect_boxes = [[60,70,130,190], [220,210,310,320], [620,330,710,410]]
valid_boxes = [box for box in all_detect_boxes if check_box_in_roi(box, roi_range)]

内容的提问来源于stack exchange，提问作者Subham Tiwari