采用ultralytics网站提供的YOLO5模型进行模型预测时，其模型输出的数据格式为[1,84,8400]，该格式与YOLOv5官方原生输出的 [1, 25200, 85]不太一样，其每个维度的含义如下：
维度1 ：输出的结果图片数量，类似BCHW格式中的B；
维度2 ：每个预测框的特征向量长度，可以理解为每个预测结果的内部结构，包括4个边界框坐标值（边界框中心坐标、宽度及高度，未归一化）和基于COCO数据集的80个类别概率；
维度3：预测框的总数量，即所有特征图上锚框（Anchor）的总和，可以理解为预测结果的总数量。
基于上述输出数据格式分析，为在原图中标识模型预测结果，需要执行以下步骤：
1）计算每个预测结果的最高概率类别，针对8400个预测结果，计算每个计算结果中80个类别概率中的最大类型概率，如果该概率大于指定的阈值，则保留该预测结果，同时基于预测结果的边界框坐标值、模型输入尺寸、模型原始尺寸等信息计算预测框在原图中的位置及尺寸；
2）针对步骤1中筛选的预测结果集合进行非极大值抑制处理，去除目标检测中的冗余重复框。当多个预测框重叠检测同一物体时，它保留置信度最高的框，抑制掉与其重叠度过高（IoU大于阈值）的其他框，确保每个目标只输出一个最准确的检测结果。
3）在原图中调用OpenCvSharp绘制每个预测结果的预测框及最高概率类别文本。
参考文献：
1\]https://docs.ultralytics.com/zh/modes/predict \[2\]https://www.cnblogs.com/CrescentWind/p/18676617