yolov8添加目标个数统计与编号

已于 2024-05-13 15:54:55 修改
阅读量7.2k 收藏 84
点赞数 18
文章标签： python
于 2023-04-19 16:17:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_53724373/article/details/130246455
版权

目标检测中遇到需要统计目标个数的情况，所以有了一下操作：

首先来看一下效果

 

由此图可以看到：目标检测框在label前添加了序号（因为我最终的目标只有玉米，所以没有考虑目标分类排序），并且在图像的左上方还添加了文本，统计各个类别的物体的个数。

接下来，我们一步一步来通过改写代码实现以上两个功能:

红线所指的方向就是我们需要改的两个文件。

首先是plotting.py中的box_label函数中的四个位置，按我所标注的添加即可 。

这里是detect.py中需要修改的五个地方，最下面的一条语句我给复制下来，可以直接粘贴 

        cv2.putText(im0, log_string, (5, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)

 这样就可以实现最上面的功能了，希望对大家能有帮助。。。

发现大家都已经用新版本的yolov8了，这个不怎么适用了。

如果很急可以私信我。。。

sdau

景岫
关注
  • 18
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 69
    评论
YOLOv8 图片目标计数 | 特定目标进行计数
YOLOv8项目贡献者
12-16 2468
YOLOv8 图片目标计数简明教程
YOLO8实战：yolov8实现行人跟踪计数
qq_42681787的博客
10-31 6837
行人跟踪统计是智能监控系统中的重要功能，可以广泛应用于人流控制、安全监控等领域。传统的行人跟踪算法往往受到光照、遮挡等因素的干扰，难以实现准确跟踪。随着深度学习技术的发展，目标检测模型逐渐成为行人跟踪的主流方案。本文介绍使用YOLOv8目标检测模型实现行人跟踪统计的方法。
基于YOLOv8的目标检测与计数
Warmer_Sweeter
12-08 2693
目录方法1：Jupyter Notebook方法2：部署到Streamllit云的Streamlit Web应用已知限制方法3：在Streamlit中进行本地部署代码演示更多演示目录最近，我研究了Roboflow提供的名为Supervision的计算机视觉工具，重点关注它们与YOLOv8在目标计数方面的集成。下面的教程提供了一个很好的起点。尽管Supervision API很简单，但需要注意的...
ultralytics库中yolov8，v9，v10等目标检测算法的检测框全部改成红色
最新发布
m0_51032217的博客
07-20 201
yolo每个类别的检测框都统一改成红色。
基于yolov8目标跟踪+数量统计（源码）
m0_52997190的博客
04-21 5246
基于yolov8目标跟踪+数量统计，数量统计针对不同类别标签进行分别的统计！
yolov8-pose的数据集标注
qq_42178122的博客
10-27 2018
yolov8-pose制作自制数据集
智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.91 类别：person、truck、car、bus、traffic light 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
最新yolov8.2：集成目标数量统计与逐一编号功能
weixin_47972041的博客
07-03 298
有时候目标检测需要统计目标个数,效果如下:（修改版本基于yolov8最新版，时间为2024/7/3，希望帮助有需要的各位😊）
YOLO8~目标计数GUI
whaosoft143ai的博客
11-25 632
在某些情况下，我们不仅需要定位图片或视频中的物体，还需要了解每个物体的运动，就像在这篇文章中，我们想要计数通过某些位置的物体。此外，大多数情况下，我们通常只是通过执行脚本或命令行中的代码来使用它，如果我们可以将我们的模型部署为GUI或应用程序，以便用户更轻松地使用它，那将更好。要计算通过我们的线左右经过的物体数量，我们需要从我们的目标跟踪脚本中提取目标的id和位置。目标跟踪为我们提供了比目标检测更多的选项，其中之一是我们可以使用它来计算进入或离开框架中某个区域或线的独特目标的数量。whaosoft aiot
五十行python代码实现yolov8车辆计数
taifyang的博客
07-12 1200
经过试验，LZ发现使用yolov8n（检出47辆）、yolov8s（检出51辆）等小模型时会发生车辆漏检，而yolov8m及更大的模型能检测出所有通过的52辆车。
【目标检测】保姆级别教程从零开始实现基于Yolov8的一次性筷子实时计数，从数据集构建到模型训练与部署，手把手教学
TUSTer_的博客
11-23 5983
最近事情比较少，无意间刷到群聊里分享的基于百度飞浆平台的一次性筷子检测，感觉很有意思，恰巧自己最近在学习Yolov8，于是看看能不能复现，自己也是新手小白，会说的比较详细，适合小白入手。
YOLOv8改进 | 进阶实战篇 | 利用YOLOv8进行视频划定区域目标统计计数
Snu77的博客
01-19 1668
Hello，各位读者，最近会给大家发一些进阶实战的讲解，如何利用YOLOv8现有的一些功能进行一些实战， 让我们不仅会改进YOLOv8，也能够利用YOLOv8去做一些简单的小工作，后面我也会将这些功能利用PyQt做一些小的界面给大家使用。在开始之前给大家推荐一下我的专栏，本专栏每周更新3-10篇最新前沿机制 | 包括二次创新全网无重复，以及融合改进(大家拿到之后添加另外一个改进机制在你的数据集上实现涨点即可撰写论文)，还有各种前沿顶会改进机制 |，更有包含我所有附赠的文件（文件内集成我所有的改进机制全部注册
如何使用 YOLOv8 做对象检测
12-25 1513
在本文中，学习到了创建YOLOv8支持的 Web 应用程序的过程。我们介绍了创建模型、使用预训练模型、准备数据来训练自定义模型等步骤，最后创建了一个具有前端和后端的 Web 应用程序。
YOLOv5源码逐行超详细注释与解读（3）——训练部分train.py
热门推荐
路人贾的博客
03-11 2万+
全网最详细的YOLOv5项目源码解读之训练部分train. py。全文近5万字！代码逐行注释，逐段讲解，小白入门必备！
YOLOv5源码逐行超详细注释与解读（4）——验证部分val（test）.py
路人贾的博客
03-19 1万+
全网最详细的YOLO源码解读之验证部分val.py。全文近5万字，代码逐行注释，逐段精讲！小白0基础必看！
如何使用Django 结合WebSocket 进行实时目标检测呢？以yolov5 为例，实现：FPS 25+ (1: 后端)
shiter编写程序的艺术
12-09 1427
每个组件，坐标，数量""" def __init__(self) - > None : self . component = [ "Person" ] self . Es = [ "BOOK" ] # 这块的坐标应该是 矩形框，有四个 xywh self . locations = [ ] # 以人为单位 ，并且带有置信度 self . attribute = {
yolov5v7v8目标检测增加计数功能--免费源码
02-28 3654
在yolo系列中，很多网友都反馈过想要在目标检测的图片上，显示计数功能。其实官方已经实现了这个功能，只不过没有把相关的参数写到图片上。所以微智启软件工作室出一篇教程，教大家如何把计数的参数打印到图片上。
yolov8 +双目实现区域多类别计数功能
积极向上的mr.d的博客
04-19 1075
yolov8 +双目实现区域计数功能
使用YOLOv8构建目标计数GUI
fengdu78的博客
11-29 663
来源：“深度学习爱好者”标检测是在图片或视频中定位物体的过程。其中一个著名的目标检测框架是YOLO（You Only Look Once）。在某些情况下，我们不仅需要定位图片或视频中的物体，还需要了解每个物体的运动，就像在这篇文章中，我们想要计数通过某些位置的物体。这就是我们需要不仅仅是检测的地方，我们需要称为目标跟踪的东西的地方。此外，大多数情况下，我们通常只是通过执行脚本或命令行中的代码来使用...
yolov5检测目标个数统计
07-25
你可以使用YOLOv5进行目标检测，并通过统计检测出的目标个数来获得结果。YOLOv5是一种基于深度学习的目标检测算法，它能够快速而准确地检测图像中的多个目标。 要统计YOLOv5检测到的目标个数，你可以按照以下步骤进行操作： 1. 首先，使用YOLOv5模型对图像进行目标检测。你可以使用已经训练好的模型或者自己训练一个模型。 2. 在检测到目标的结果中，获取检测到的目标框的数量。每个目标框代表一个检测到的目标。 3. 统计目标框的数量，即为检测到的目标个数。 请注意，目标检测的结果可能会受到模型的准确性和输入图像的质量等因素的影响。因此，你可能需要根据具体情况对结果进行评估和调整。
评论 69
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值