yolo v8 下载及入门使用 Ultralytics

2024-03-24 17:44

本文主要是介绍yolo v8 下载及入门使用 Ultralytics,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

下载了Ultralytics库之后,通常不需要再单独下载YOLOv8。因为YOLOv8作为Ultralytics库中的一个组件或模块,已经被包含在Ultralytics的源代码中。

安装完Ultralytics后,可以直接在代码中导入YOLOv8模型,并使用它进行目标检测任务。

下载Ultralytics

在anaconda环境中创建虚拟环境

conda create -n yolov8_cpu python=3.9.0

进入虚拟环境

activate yolov8_cpu

下载ultralytics

pip install ultralytics

好了,完成了。


检测物体:

from ultralytics import YOLO# Load a pretrained YOLOv8n model
model = YOLO('yolov8n.pt')# Run inference on 'bus.jpg'
results = model(['TEST.png', 'brids2.png'])  # results list# Visualize the results
for i, r in enumerate(results):# boxes = result.boxes  # Boxes object for bounding box outputs# masks = result.masks  # Masks object for segmentation masks outputs# keypoints = result.keypoints  # Keypoints object for pose outputs# probs = r.probs  # Probs object for classification outputsr.show()  # display to screen# Save results to diskr.save(filename=f'results{i}.jpg')

这句:model = YOLO('yolov8n.pt')

如果你没有下载'yolov8n.pt'这个文件,他会帮你下载,所以大胆运行。

 运行结果:

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 68.0ms
1: 640x640 1 bird, 68.0ms
Speed: 3.0ms preprocess, 68.0ms inference, 1.5ms postprocess per image at shape (1, 3, 640, 640)

 解释:

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 64.6ms

第一幅图像:图像的高度和宽度都是640像素,什么图像,,,模型对这幅图像进行推理(即对象检测)所花费的时间,以毫秒为单位。

Speed: 3.0ms preprocess, 64.6ms inference, 2.0ms postprocess per image at shape (1, 3, 640, 640)

  • 3.0ms preprocess: 这是每幅图像预处理所花费的时间,包括图像加载、缩放、格式转换等操作。
  • 64.6ms inference: 这是模型进行对象检测推理所花费的时间,如之前所述。
  • 2.0ms postprocess: 这是每幅图像后处理所花费的时间,包括将检测结果转换为边界框、标签和置信度等可读格式。
  • per image at shape (1, 3, 640, 640): 这表明上述时间统计是针对形状为(1, 3, 640, 640)的图像的,其中1表示批量大小(即一次处理的图像数量),3表示图像的通道数(RGB),640x640表示图像的尺寸。

 

这篇关于yolo v8 下载及入门使用 Ultralytics的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/842307

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

C 语言中enum枚举的定义和使用小结

《C语言中enum枚举的定义和使用小结》在C语言里,enum(枚举)是一种用户自定义的数据类型,它能够让你创建一组具名的整数常量,下面我会从定义、使用、特性等方面详细介绍enum,感兴趣的朋友一起看... 目录1、引言2、基本定义3、定义枚举变量4、自定义枚举常量的值5、枚举与switch语句结合使用6、枚

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H