【利用Yolov8实现多个检测模型融合】

1 背景

1.1 案例背景

现在有Yolov8两个模型，一个模型用于识别人，一个模型用于识别树。现要求将识别人和识别树的两个模型合并成一个模型，仅利用一个模型就能同时识别人和树。

1.2 解决思路

将同时存在人和树的数据集重新标注，使label文件里存在具有人和树的类别，然后再次训练出新的模型。

1.3 重点解决问题

生成新的label文件，得到新的数据集。在下面的代码中，通过两个类的Yolov8模型对原有数据集对应的训练集和验证集的images进行检测，然后将检测结果进行处理，进而生成新的包含两个类别的数据集。

2 代码实现

from ultralytics import YOLO
import os, cv2
import numpy as np

# 存放全局变量
source_dir_path = [r"F:\0_work\数据集\datasets_clone\train\images", r"F:\0_work\数据集\datasets_clone\val\images"]
yolo_label_dir_path = [r"F:\0_work\数据集\datasets_clone\train\new_labels", r"F:\0_work\数据集\datasets_clone\val\new_labels"]
class MakeLabel():
    def __init__(self):
        # 设置模型路径，并加载模型
        self.people_model_path = "./weights/people_best.pt"
        self.tree_model_path = "./weights/tree_best.pt"

        self.people_model = YOLO(self.people_model_path, task='detect')
        self.tree_model