yolo v8 下载及入门使用 Ultralytics

最新推荐文章于 2025-04-03 16:28:19 发布

占疏

最新推荐文章于 2025-04-03 16:28:19 发布

阅读量2.2k

点赞数 5

文章标签： YOLO

本文链接：https://blog.csdn.net/qq_43242266/article/details/136789357

版权

本文介绍了如何在Python环境中安装和使用Ultralytics库，其中包含YOLOv8模型。通过示例展示了如何加载预训练模型进行物体检测，并详细解析了预处理、推理和后处理的时间消耗。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

下载了Ultralytics库之后，通常不需要再单独下载YOLOv8。因为YOLOv8作为Ultralytics库中的一个组件或模块，已经被包含在Ultralytics的源代码中。

安装完Ultralytics后，可以直接在代码中导入YOLOv8模型，并使用它进行目标检测任务。

下载Ultralytics

在anaconda环境中创建虚拟环境

conda create -n yolov8_cpu python=3.9.0

进入虚拟环境

activate yolov8_cpu

下载ultralytics

pip install ultralytics

好了，完成了。

检测物体：

from ultralytics import YOLO

# Load a pretrained YOLOv8n model
model = YOLO('yolov8n.pt')

# Run inference on 'bus.jpg'
results = model(['TEST.png', 'brids2.png'])  # results list

# Visualize the results
for i, r in enumerate(results):
    # boxes = result.boxes  # Boxes object for bounding box outputs
    # masks = result.masks  # Masks object for segmentation masks outputs
    # keypoints = result.keypoints  # Keypoints object for pose outputs
    # probs = r.probs  # Probs object for classification outputs
    r.show()  # display to screen
    # Save results to disk
    r.save(filename=f'results{i}.jpg')

这句：model = YOLO('yolov8n.pt')

如果你没有下载'yolov8n.pt'这个文件，他会帮你下载，所以大胆运行。

运行结果：

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 68.0ms
1: 640x640 1 bird, 68.0ms
Speed: 3.0ms preprocess, 68.0ms inference, 1.5ms postprocess per image at shape (1, 3, 640, 640)

解释：

0: 640x640 1 person, 1 bicycle, 1 cat, 1 dog, 64.6ms

第一幅图像：图像的高度和宽度都是640像素，什么图像，，，模型对这幅图像进行推理（即对象检测）所花费的时间，以毫秒为单位。

Speed: 3.0ms preprocess, 64.6ms inference, 2.0ms postprocess per image at shape (1, 3, 640, 640)

3.0ms preprocess: 这是每幅图像预处理所花费的时间，包括图像加载、缩放、格式转换等操作。
64.6ms inference: 这是模型进行对象检测推理所花费的时间，如之前所述。
2.0ms postprocess: 这是每幅图像后处理所花费的时间，包括将检测结果转换为边界框、标签和置信度等可读格式。
per image at shape (1, 3, 640, 640): 这表明上述时间统计是针对形状为(1, 3, 640, 640)的图像的，其中1表示批量大小（即一次处理的图像数量），3表示图像的通道数（RGB），640x640表示图像的尺寸。