2. YOLO模型加载与推理基础

好，咱们直接进入正题。YOLO模型再厉害，也得先把它加载进来，然后跑一次前向推理，拿到输出结果。这一步是后面所有可视化和调试工作的前提。

说白了，就是三步：加载模型 → 前向推理 → 解析输出。听起来简单，但里面有几个坑，我当年刚接触时都踩过。今天咱们一个一个说清楚。

2.1 使用cv2.dnn.readNet加载YOLO模型

OpenCV的dnn模块提供了统一的接口来加载各种深度学习模型。对于YOLO，我们通常需要两个文件：

• 权重文件（如 yolov4.weights）：训练好的网络参数
• 配置文件（如 yolov4.cfg）：网络结构定义

加载代码非常简单：

import cv2

# 加载YOLO模型
net = cv2.dnn.readNet('yolov4.weights', 'yolov4.cfg')

# 可选：设置计算后端
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)

这里有个细节——readNet会自动解析配置文件，识别网络结构。它支持DarkNet、TensorFlow、Caffe等多种框架。YOLOv3/v4用的是DarkNet格式，所以直接传.cfg和.weights就行。

2.2 前向推理：从图像到输出张量

模型加载好了，接下来就是把图像送进去，跑一次前向传播。这个过程分两步：

1. 图像预处理：将图像转换成模型需要的输入格式
2. 执行推理：调用net.forward()获取输出

看代码：

# 读取图像
image = cv2.imread('test.jpg')
height, width = image.shape[:2]

# 构建blob（图像预处理）
blob = cv2.dnn.blobFromImage(
    image, 
    scalefactor=1/255.0,      # 归一化到[0,1]
    size=(416, 416),          # YOLO输入尺寸
    mean=(0, 0, 0),           # 不减去均值
    swapRB=True,              # OpenCV是BGR，YOLO需要RGB
    crop=False
)

# 设置网络输入
net.setInput(blob)

# 前向推理
outputs = net.forward()

blobFromImage这个函数做了好几件事：缩放、归一化、通道转换、裁剪（如果需要）。我个人习惯把size设为416×416，这是YOLOv4的默认输入尺寸。如果你用YOLOv5或更高版本，可能是640×640，记得对应调整。

2.3 理解输出张量结构

好，现在outputs拿到了。它到底是什么？

对于YOLOv4，net.forward()返回的是一个列表，里面包含三个层级的输出。每个层级对应一个检测尺度（大、中、小物体）。

每个输出张量的形状是：

[batch_size, num_boxes, 85]

其中85这个数字的含义：

你想想看，每个检测框有85个值。前5个是位置和置信度，后面80个是每个类别的概率。最终检测结果就是：置信度 × 类别概率，取最大值对应的类别。

咱们用代码验证一下：

# 查看输出结构
print(f"输出层数量: {len(outputs)}")
for i, out in enumerate(outputs):
    print(f"层{i} 形状: {out.shape}")
    # 输出类似: (1, 507, 85) 或 (1, 2028, 85)

# 解析第一个检测框
first_box = outputs[0][0][0]
cx, cy, w, h = first_box[0:4]
confidence = first_box[4]
class_scores = first_box[5:]
class_id = np.argmax(class_scores)
score = class_scores[class_id]

print(f"检测框: cx={cx:.4f}, cy={cy:.4f}, w={w:.4f}, h={h:.4f}")
print(f"置信度: {confidence:.4f}")
print(f"类别ID: {class_id}, 得分: {score:.4f}")

2.4 知识结构总览

为了让你对整个流程有个直观印象，我画了一张图：

2.5 常见问题与避坑

• 模型加载失败：检查文件路径，确认.cfg和.weights版本匹配。我遇到过用v3的cfg加载v4的weights，直接报错。
• 推理速度慢：试试设置DNN_TARGET_CUDA，或者降低输入尺寸（比如从608降到416）。
• 输出张量维度不对：不同YOLO版本输出结构不同。YOLOv3有3个输出层，YOLOv5只有一个。记得先print(outputs.shape)确认一下。