检测结果取消显示类别class和置信度confidence

利用Yolov5进行密集小目标物体检测时，只显示bbox可视化效果更好

yolov5/models/common.py

class Detections:

def display():

# label = f'{self.names[int(cls)]} {conf:.2f}'

        label = ''  # line 599 注释上面一行代码让label为空字符串

        im = annotator.im

        # 在此处增加cv2.putText()显示计数，可忽略

        cv2.putText(im, f'counting: {n}', (10, 25), fontFace=0, fontScale=0.7, color=(255, 255, 255), thickness=1)

以上方式对直接手动调用模型进行推理时有效，如果有时还会显示标签，可以直接改下：

yolov5/utils/plots.py

# yolov5画边界框时都会用到Annotator这个类，改下这里应该就没问题了

class Annotator:

def box_label(self, box, label='', color=(128, 128, 128), txt_color=(255, 255, 255)):

label = ''  # line 83 函数开始让label为空字符串