demo

import torch
import cv2
from PIL import Image


# pt_path = r'E:\Code\Python\YoLov5\yolov5\yolov5s.pt'
pt_path = r'E:\Code\Python\yolov5py38\yolov5\best.pt'
# Model
model = torch.hub.load(r"E:\Code\Python\YoLov5\yolov5",'custom', path=pt_path, source='local')  # or yolov5n - yolov5x6, custom

# Images
img_path = r"E:\Code\Python\yolov5py38\dataset\dog_and_cat\images\val\119.jpg"  # or file, Path, PIL, OpenCV, numpy, list
img_obj = Image.open(img_path)



# print(type(img_obj))



# Inference
results = model(img_obj)

# Results
# results.print()

s = results.crop(save=False)  # or .show(), .save(), .crop(), .pandas(), etc.
for item in s:
    # print(item)
    im = item['im']
    a = cv2.imencode(".jpg", im)
    success, enc_img = cv2.imencode(".jpg", im)
    print(success, enc_img)
    print(type(success), type(enc_img))
    img_data = enc_img.tobytes()
    with open('output1.jpg', 'wb') as f:
        f.write(img_data)


car_img = s[0]['im']
cv2.imshow('win', car_img)


# cv2.imwrite('output.jpg', car_img)  # 保存图片
cv2.waitKey(0)
cv2.destroyAllWindows()

输出的s解释

box: 这是一个表示检测到的目标边界框的信息。通常以坐标形式给出，表示目标在图像中的位置和大小。在你的例子中，这个目标边界框的左上角坐标为 (160.25931, 149.84097)，右下角坐标为 (274.39548, 257.11179)，这定义了一个矩形框出了检测到的目标。
conf: 这是置信度或置信分数，表示模型对于这个检测结果的自信程度。在你的例子中，置信度为 0.89372，表示模型相当自信这个检测结果是正确的。
cls: 这表示类别，通常是一个数字标识。在你的例子中，类别为 1.0。
label: 这是目标的标签或类别的人类可读描述。在你的例子中，标签为 'cat 0.89'，表示检测到的目标是猫，置信度为 0.89。
im: 这个部分是一个图像数组，代表了检测结果所基于的原始图像。通常情况下，目标检测的结果会基于输入图像来定位和标识目标。

这段信息描述了模型在图像中检测到一只置信度为 0.89 的猫，并给出了该猫的边界框坐标以及其他相关信息