关于python中使用yolov8预测输出的问题

feifeiya12138

已于 2024-08-29 13:37:09 修改

阅读量487

点赞数 1

文章标签： python YOLO 开发语言

于 2024-08-29 11:52:41 首次发布

本文链接：https://blog.csdn.net/feifeiya12138/article/details/141673518

版权

使用训练好的yolov8模型预测图片或者视频时，可以直接在model里面将save和save_txt设置为True，也可以将results里面的maskes和boxes输出出来。

model = YOLO('best.pt')
results = model(source='地址',save=True, save_conf=True, save_txt=True,max_det = 1)
for result in results:
    masks = result.masks    
    boxes = result.boxes

将一张850*850大小的图片导入进去之后

model("图片地址")中save出来的txt文件包括xywh等信息，这里是将其转化为640*640大小后的百分比坐标；

masks里的掩码也是640大小的矩阵；

但是boxes里的实际像素坐标却是850*850大小的；

这些有什么区别吗？

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

feifeiya12138

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

YOLOv8的训练、验证、预测及导出[目标检测实践篇]

ice

05-05

2万+

主要介绍如何使用YOLOv8训练自己的数据集，并进行验证、预测及导出，采用代码和指令的两种方式。

八、yolov8模型预测和模型导出(目标检测)

机器视觉、深度学习、C++、opencv、halcon、图像算法

06-21

520

yolov8目标检测，模型预测，模型导出

参与评论您还未登录，请先登录后发表或查看评论

yolov8之训练、验证、预测、导出

Jumy_S的博客

09-24

9598

yolov8之训练

yolov8中添加输出各类别训练过程结果

2301_78698967的博客

09-09

307

这样，就可以输出每一类图片的目标数量及每一类图片的张数，以及各分类的训练指标结果。为了输出每一类图片的张数，你可以在。是标准的Python函数。

yolov8---predict实验

sanqianyanyue的博客

01-09

2084

yolov8推理实验

yolov8预测函数prdict返回结果分析

图灵追幕者博客录

07-08

2242

在 YOLOv8 中，使用predict函数进行目标检测后，返回的结果通常是一个包含检测结果的对象，而不是简单的列表。这个对象通常是一个Results类的实例，包含了丰富的信息，方便进一步处理和分析。

yolov8 val/test，输出全部预测的图片和PR 结果

最新发布

m0_58054476的博客

09-18

502

ultralytics-8.1.0/ultralytics/engine/validator.py 第187行。（1）从官网下载的 yolov8，进行 val时，只输出batch 0 1 2 3。其他的预测图片不输出。另外，val.py中，batch ，可以设置为16，然后得到的预测图片中，是4*4。yolov8源码中，val.py运行后，只会得到jpg图片，并没有PR曲线等。源码中，batch_i<3 去掉，然后所有的预测图像就可以全部输出了。（2val.py输出 PR曲线。

目标检测——YOLOv8模型预测结果

张飞飞的博客

07-17

1266

对于YOLOv8推理得到的Results是一个长度为1的列表，里面包含许多预测属性。其中和预测框相关的包含着result[0].boxes里面，遍历这个tensor即可获得所有预测框相关的信息，包括坐标、类别、置信度等信息。

yolov8的predict使用方法，更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档

m0_57847261的博客

11-09

2万+

更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档

yolov8输出结果后处理

yangkai6121的专栏

10-15

1万+

每个网络会有自己输出的一个数据类型集合，该数据集大概率上就是目前比较流行的数据集。虽然数据集是用户贡献的，因此具有不同的清洁度，但绝大多数都是干净的，可以直接从UCI机器学习库下载，无需注册。搜索得知yolov8不另外对置信度预测，而是采用类别里面最大的概率作为置信度score，显然8400就是v8模型各尺度输出特征图叠加之后的结果。Kaggle：爱竞赛的盆友们应该很熟悉了，Kaggle上有各种有趣的数据集，拉面评级、篮球数据、甚至西雅图的宠物许可证。

Yolov8目标识别——模型训练结果可视化图分析与评估训练结果

热门推荐

知来者逆的博客

01-16

4万+

Yolov8在训练完成之后，会在run目录下把训练的过程一些参数与结果示意图保存下来,这里面包含是目标检测性能指标，如下图:表示正确预测的目标数量与总预测数量的比率。表示模型正确预测为正样本的样本数量占所有预测为正样本的样本数量的比例。表示模型正确预测为正样本的样本数量占所有实际正样本的样本数量的比例。综合考虑精确率和召回率，是精确率和召回率的调和平均数。衡量模型检测出的区域与实际目标区域的重叠程度。在目标检测中，AP通常指Precision-Recall曲线下的面积，用于综合评估模型的性能。

YOLOv8单目标检测

hello000w的博客

08-18

1803

详细记录了yolov8实现目标检测的过程

YOLO V8学习

qq_53457019的博客

04-06

947

yolov8测试图片并保存预测结果，用于map的计算

qq_42178122的博客

10-08

1万+

当我们使用yolov8进行测试指定文件夹里的图片时，为了计算相应的map，需要先将yolov8的预测结果保存为txt文件；然后将txt文件中的格式(类别、框的中心点和高宽，置信度)转换成符合要求的格式(类别、置信度、框左上角坐标点、框右下角坐标点)。最后运行map计算代码。

YOLOv8项目实践——目标检测、实例分割、姿态估计、目标追踪算法原理及模型部署（Python实现带界面）

知来者逆的博客

03-27

7986

这是一个集成了YoloV8目标检测、实例分割、姿态估计与目标追踪的项目，界面是用PyQt5写的，可以读入图像，视频与摄像头。

YOLOv8目标检测结果分析

MechMaster

07-25

882

【代码】YOLOv8目标检测结果分析。

YOLOv8 目标检测程序的输出 (1, 84, 8400)的解释

flyfish

06-24

4142

flyfish

YOLOv8目标检测推理流程及Python代码

ice

08-18

509

在这章中将介绍目标检测推理原理，以及基于onnx模型使用Python语言进行推理。在推理原理章节中，将了解onnx模型的输入和输出，对输入的图片需要进行预处理的操作，对输出的结果需要进行后处理的操作等；在Python代码篇，将给出推理代码。这里注意一下的是，由于在导出onnx模型的时候，V8已经帮我们进行了解码操作，所以onnx模型结果输出和我在《YOLOv8深度剖析章节》理论篇中讲的会稍微有点不同，这里反而是更加简单。

yolov8将val.py最后的结果输出到文件中

huang666789089的博客

04-11

2473

yolov8的val.py的结果默认只在控制台显示，其中主要包括 Class Images Instances Box(P R mAP50 mAP50-95) 本文就是要将这些个信息都输出到指定文件（***.log文件）中保存，就不用每次要看数据都运行val.py了

def from_yolov8(cls, yolov8_results) -> Detections: """ Creates a Detections instance from a [YOLOv8](https://github.com/ultralytics/ultralytics) inference result. Args: yolov8_results (ultralytics.yolo.engine.results.Results): The output Results instance from YOLOv8 Returns: Detections: A new Detections object. Example: ```python >>> import cv2 >>> from ultralytics import YOLO >>> import supervision as sv >>> image = cv2.imread(SOURCE_IMAGE_PATH) >>> model = YOLO('yolov8s.pt') >>> result = model(image)[0] >>> detections = sv.Detections.from_yolov8(result) ``` """ return cls( xyxy=yolov8_results.boxes.xyxy.cpu().numpy(), confidence=yolov8_results.boxes.conf.cpu().numpy(), class_id=yolov8_results.boxes.cls.cpu().numpy().astype(int), mask=extract_yolov8_masks(yolov8_results), )

07-17

这段代码是一个静态方法`from_yolov8`，用于从YOLOv8的推断结果创建一个`Detections`对象。以下是对这段代码的解释： 1. 静态方法`from_yolov8`接受两个参数：`cls`和`yolov8_results`。 2. `yolov8_results`是一个YOLOv8的输出结果，类型为`ultralytics.yolo.engine.results.Results`。 3. `from_yolov8`方法返回一个新的`Detections`对象。 4. 在返回的`Detections`对象中，使用了以下几个参数： - `xyxy`：表示检测框的坐标，通过`yolov8_results.boxes.xyxy.cpu().numpy()`获取。 - `confidence`：表示置信度，通过`yolov8_results.boxes.conf.cpu().numpy()`获取。 - `class_id`：表示类别ID，通过`yolov8_results.boxes.cls.cpu().numpy().astype(int)`获取。 - `mask`：表示分割掩码，通过调用`extract_yolov8_masks(yolov8_results)`获取。请注意，上述代码中使用了一个名为`extract_yolov8_masks`的函数来提取分割掩码。你需要确保该函数已经定义并返回了正确的分割掩码。