先买空间再写网站,设计制作活动内容的原则,代理浏览器,如何免费注册个人邮箱写在前面 工作中遇到#xff0c;简单整理博文内容为使用预训练模型的一个预测 Demo测试图片来源与网络,如有侵权请告知理解不足小伙伴帮忙指正 对每个人而言#xff0c;真正的职责只有一个#xff1a;找到自我。然后在心中坚守其一生#xff0c;全心全意#xff0c;永不停…写在前面 工作中遇到简单整理博文内容为使用预训练模型的一个预测 Demo测试图片来源与网络,如有侵权请告知理解不足小伙伴帮忙指正 对每个人而言真正的职责只有一个找到自我。然后在心中坚守其一生全心全意永不停息。所有其它的路都是不完整的是人的逃避方式是对大众理想的懦弱回归是随波逐流是对内心的恐惧 ——赫尔曼·黑塞《德米安》 测试结果 YOLOv8 是一种高效而准确的目标检测算法它在 YOLOv4 的基础上进行了改进和优化提供了更好的性能和推断速度。适用于各种物体检测与跟踪、实例分割、图像分类和姿态估计任务。
同时 YOLOv8 提供了很完善的文档包括中文文档。
项目地址
https://github.com/ultralytics/ultralytics
安装很简单
pip install ultralyticsultralytics_demo\examples\demo\demo Demo 文件位置
from ultralytics import YOLO
from PIL import Image
import cv2model YOLO(C:\\Users\\liruilong\\.yolo_model\\yolov8x-pose-p6.pt)# from ndarray
im2 cv2.imread(Y:\\image8.jpg)#results model(im2) # predict on an image
results model(im2)for r in results:#im_array r.plot(kpt_radius3,labelsFalse,boxesFalse,line_width1) # plot a BGR numpy array of predictionsim_array r.plot(line_width2) # plot a BGR numpy array of predictionsim_array Image.fromarray(im_array[..., ::-1]) # RGB PIL imageim_array.show() # show imageim_array.save(results.jpg) # save image对应的预训练模型下载地址可以在项目中找到对应预测参数以及结果展示的参数配置文档见下面
https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop
博文部分内容参考
© 文中涉及参考链接内容版权归原作者所有如有侵权请告知这是一个开源项目如果你认可它不要吝啬星星哦 https://docs.ultralytics.com/
https://github.com/ultralytics/ultralytics © 2018-2023 liruilongergmail.com, All rights reserved. 保持署名-非商用-相同方式共享(CC BY-NC-SA 4.0)