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

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X