from ultralytics import YOLO
model = YOLO('yolov8n.pt')#模型初始化
source='../3.png'#检测图片的路径
results =model(source)
for r in results:
print(r.boxes.xywh)#以中心点xy坐标、宽、高的顺序打印
说明:
参考官方文档预测 -Ultralytics YOLOv8 文档
全部Ultralytics predict()
调用将返回一个 Results
对象
Results
对象具有以下属性
boxes | Boxes, optional | 包含检测边界框的方框对象。 |
Boxes
对象可用于索引、操作和将边界框转换为不同格式。
下面是一个表格 Boxes
类方法和属性,包括名称、类型和说明:
名称 | 类型 | 说明 |
---|---|---|
cpu() | 方法 | 将对象移至 CPU 内存。 |
numpy() | 方法 | 将对象转换为 numpy 数组。 |
cuda() | 方法 | 将对象移至 CUDA 内存。 |
to() | 方法 | 将对象移动到指定设备。 |
xyxy | 财产 (torch.Tensor ) | 以 xyxy 格式返回方框。 |
conf | 财产 (torch.Tensor ) | 返回方框的置信度值。 |
cls | 财产 (torch.Tensor ) | 返回方框的类值。 |
id | 财产 (torch.Tensor ) | 返回盒子的轨道 ID(如果有)。 |
xywh | 财产 (torch.Tensor ) | 以 xywh 格式返回方框。 |
xyxyn | 财产 (torch.Tensor ) | 以 xyxy 格式返回按原始图像大小归一化的方框。 |
xywhn | 财产 (torch.Tensor ) | 以 xywh 格式返回按原始图像大小归一化的方框。 |
因此调用相应的属性即可