UltralyticsYOLOv8_ultralytics使用(1)

或者定义一个包括子目录在内的递归 glob 搜索，以查找所有 JPG 文件

source = ‘path/to/dir/**/*.jpg’

Run inference on the source

results = model(source, stream=True) # generator of Results objects

**12.YouTube**：对 YouTube 视频进行推理通过使用 stream=True此外，您还可以创建一个结果对象生成器，以减少长视频的内存使用量。

from ultralytics import YOLO

Load a pretrained YOLOv8n model

model = YOLO(‘yolov8n.pt’)

Define source as YouTube video URL

source = ‘https://youtu.be/LNwODJXcvt4’

Run inference on the source

results = model(source, stream=True) # generator of Results objects

**13.Steams流**：使用 RTSP、RTMP、TCP 和 IP 地址协议对远程流媒体源进行推理。如果在一个 \*.streams 文本文件，则将运行批处理推理，即 8 个数据流将以 8 的批处理大小运行，否则单个数据流将以 1 的批处理大小运行。

from ultralytics import YOLO

Load a pretrained YOLOv8n model

model = YOLO(‘yolov8n.pt’)

Single stream with batch-size 1 inference

单个流，批处理大小为1的推理

source = ‘rtsp://example.com/media.mp4’ # RTSP, RTMP, TCP or IP streaming address

RTSP，RTMP，TCP或IP流地址

Multiple streams with batched inference (i.e. batch-size 8 for 8 streams)

多个流，批处理推理（例如，8个流的批处理大小为8）

source = ‘path/to/list.streams’ # *.streams text file with one streaming address per row

*.streams文本文件，每行一个流地址

Run inference on the source

results = model(source, stream=True) # generator of Results objects

### Working with Results

from ultralytics import YOLO

Load a pretrained YOLOv8n model

加载预训练的YOLOv8n模型

model = YOLO(‘yolov8n.pt’)

Run inference on an image

对一张图片进行推理

results = model(‘bus.jpg’) # list of 1 Results object

结果是一个Results对象的列表，其中包含1个对象

results = model([‘bus.jpg’, ‘zidane.jpg’]) # list of 2 Results objects

结果是一个Results对象的列表，其中包含2个对象

**1.Boxes**：oxes 对象可用于索引、操作和将边界框转换为不同格式。

from ultralytics import YOLO

Load a pretrained YOLOv8n model

model = YOLO(‘yolov8n.pt’)

Run inference on an image

results = model(‘bus.jpg’) # results list

View results

for r in results:
print(r.boxes) # print the Boxes object containing the detection bounding boxes
# 打印包含检测边界框的 Boxes 对象

**1.Masks**：Masks 对象可用于索引、操作和将掩码转换为线段。

from ultralytics import YOLO

Load a pretrained YOLOv8n-seg Segment model

model = YOLO(‘yolov8n-seg.pt’) # 加载预训练的 YOLOv8n-seg 分割模型

Run inference on an image

results = model(‘bus.jpg’) # 在一张图片上进行推理，返回结果列表

View results

for r in results:
print(r.masks) # 打印包含检测到的实例掩码的 Masks 对象

**3.Keypoints**：Keypoints 对象可用于索引、处理和归一化坐标。

from ultralytics import YOLO

Load a pretrained YOLOv8n-pose Pose model

加载预训练的 YOLOv8n-pose 姿势模型

model = YOLO(‘yolov8n-pose.pt’)

Run inference on an image

在一张图像上运行推理

results = model(‘bus.jpg’) # results list

View results

查看结果

for r in results:
print(r.keypoints) # print the Keypoints object containing the detected keypoints
# 打印包含检测到的关键点的 Keypoints 对象

**4.Probs**：Probs 对象可用于索引、获取 top1 和 top5 分类指数和分数。

from ultralytics import YOLO

Load a pretrained YOLOv8n-cls Classify model

加载预训练的 YOLOv8n-cls 分类模型

model = YOLO(‘yolov8n-cls.pt’)

Run inference on an image

在一张图片上进行推断

results = model(‘bus.jpg’) # results list

View results

查看结果

for r in results:
print(r.probs) # print the Probs object containing the detected class probabilities
# 打印包含检测到的类别概率的 Probs 对象

**5.OBB**：OBB 对象可用于索引、操作和将定向边界框转换为不同格式。

from ultralytics import YOLO

Load a pretrained YOLOv8n model

model = YOLO(‘yolov8n-obb.pt’)

Run inference on an image

results = model(‘bus.jpg’) # results list