YOLOv8初体验——专业实习（1）

渐渐HBBOY

已于 2024-02-27 10:59:50 修改

阅读量442

点赞数 10

文章标签： YOLO

于 2024-02-27 10:48:39 首次发布

本文链接：https://blog.csdn.net/gaoyangde/article/details/136316422

版权

本文介绍了如何在Python中安装和使用YOLOv8库进行图像检测，提供了两种方法：一是将模型与代码同目录并生成检测结果，二是直接在代码中显示检测结果。还提供了清华大学源加速安装的链接。

摘要由CSDN通过智能技术生成

零、NEED

YOLOv8中文官网 https://docs.ultralytics.com/zh

YOLOv8Github https://github.com/ultralytics/ultralytics

YOLOv8n模型 https://github.com/ultralytics/assets/releases/download/v8.1.0/yolov8n.pt

若打不开Github，可使用fastgithub

一、安装ultralytics库

Terminal（Cli、CMD）运行以下代码，使用清华源加速安装ultralytics

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

二、运行代码

需要把YOLOv8模型放置在py文件同一目录下

若不清楚py文件目录，可右键复制路径

方式一：检测结果生成在run目录下

from ultralytics import YOLO
from PIL import Image
import cv2

model = YOLO("yolov8n.pt")

# from PIL
im1 = "https://5b0988e595225.cdn.sohucs.com/images/20180429/7f9b59894ceb4f409578277d821a6809.png"  ##这里放图片网址，目录格式是 im1 = Image.open(" ")
results = model.predict(source=im1, save=True)  # save plotted images

检测结果在run目录下

方式二：检测结果直接弹窗

from ultralytics import YOLO
import cv2
# 加载预训练模型
model = YOLO("yolov8n.pt", task='detect')
# model = YOLO("yolov8n.pt") task参数也可以不填写，它会根据模型去识别相应任务类别
# 检测图片
results = model("https://5b0988e595225.cdn.sohucs.com/images/20180429/7f9b59894ceb4f409578277d821a6809.png") #这里放图片网址，也可以是目录格式
res = results[0].plot()
cv2.imshow("YOLOv8 Inference", res)
cv2.waitKey(0)

结果：