OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测

本文来源公众号“OpenCV与AI深度学习”，仅用于学术分享，侵权删，干货满满。

原文链接：如何使用YOLO-World做目标检测

 

1 介绍

    YOLO-World 是一种尖端的目标检测系统，在识别图像中物体的方式上开辟了新天地。与需要预定义类别的传统检测器不同，YOLO-World可以识别各种物体，甚至是以前从未见过的物体——这是“开放词汇”检测！这是通过对海量数据集的预训练和对语言的巧妙运用来实现的。可以把它想象成用文字向 YOLO-World 展示什么是“停车标志”，然后它就可以实时找到停车标志，而无需任何进一步的训练。这使得它速度超快并且适用于许多应用程序。

2 如何使用YOLO-World

    第1步：安装必要的库

pip install ultralytics

    第2步：导入库

from ultralytics import YOLOWorld

    第3步：选择模型

model = YOLOWorld("yolov8x-worldv2.pt")

 

https://docs.ultralytics.com/de/models/yolo-world/#available-models-supported-tasks-and-operating-modes

    在上面链接中，您可以比较不同的型号并权衡各自的优缺点。在本例中我们选择了yolov8x-worldv2.pt

    第4步：使用YOLO-World检测图像中的目标

model.set_classes(["any", "class", "you", "want"])
results = model.predict('YourImagePath')

    如果你想检测特定的类，你可以在 model.set_classes 函数列表中编写任何类。

    第5步：保存并绘制结果

# Show results
results[0].show()

3 参考链接

YOLO-World论文： 

https://arxiv.org/pdf/2401.17270v2.pdf

YOLO-World Github： 

https: //github.com/AILab-CVC/YOLO-World

THE END!

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。