YOLOv8現(xiàn)在可以接受輸入很多，如下表所示。包括圖像、URL、PIL圖像、OpenCV、NumPy數(shù)組、Torch張量、CSV文件、視頻、目錄、通配符、YouTube視頻和視頻流。表格?指示了每個(gè)輸入源是否可以在流模式下使用，并給出了每個(gè)輸入源使用流模式的示例參數(shù)

預(yù)測(cè)參數(shù)

下面是每個(gè)參數(shù)的解釋?zhuān)?/p>

• source：輸入源的目錄，可以是圖像或視頻文件。
• conf：目標(biāo)檢測(cè)的對(duì)象置信度閾值。只有置信度高于此閾值的對(duì)象才會(huì)被檢測(cè)出來(lái)。默認(rèn)值為0.25。
• iou：非極大值抑制（NMS）的交并比（IoU）閾值。用于在重疊較大的候選框中選擇最佳的檢測(cè)結(jié)果。默認(rèn)值為0.7。
• half：是否使用半精度（FP16）進(jìn)行推理。半精度可以減少計(jì)算量，但可能會(huì)犧牲一些精度。默認(rèn)值為False。
• device：模型運(yùn)行的設(shè)備，可以是cuda設(shè)備（cuda device=0/1/2/3）或CPU（device=cpu）。
• show：是否顯示檢測(cè)結(jié)果。如果設(shè)置為True，則會(huì)在屏幕上顯示檢測(cè)到的對(duì)象。默認(rèn)值為False。
• save：是否保存帶有檢測(cè)結(jié)果的圖像。如果設(shè)置為True，則會(huì)將檢測(cè)結(jié)果保存為圖像文件。默認(rèn)值為False。
• save_txt：是否將檢測(cè)結(jié)果保存為文本文件（.txt）。默認(rèn)值為False。
• save_conf：是否將檢測(cè)結(jié)果與置信度分?jǐn)?shù)一起保存。默認(rèn)值為False。
• save_crop：是否保存裁剪后的帶有檢測(cè)結(jié)果的圖像。默認(rèn)值為False。
• hide_labels：是否隱藏標(biāo)簽。如果設(shè)置為True，則在顯示檢測(cè)結(jié)果時(shí)不顯示對(duì)象標(biāo)簽。默認(rèn)值為False。
• hide_conf：是否隱藏置信度分?jǐn)?shù)。如果設(shè)置為True，則在顯示檢測(cè)結(jié)果時(shí)不顯示置信度分?jǐn)?shù)。默認(rèn)值為False。
• max_det：每張圖像的最大檢測(cè)數(shù)。如果檢測(cè)到的對(duì)象數(shù)超過(guò)此值，將保留置信度高低來(lái)保留。默認(rèn)值為300。
• vid_stride：視頻幀率步長(zhǎng)。默認(rèn)值為False，表示使用默認(rèn)的幀率。
• line_width：邊界框的線(xiàn)寬。如果設(shè)置為None，則根據(jù)圖像大小進(jìn)行自動(dòng)縮放。默認(rèn)值為None。
• visualize：是否可視化模型特征。默認(rèn)值為False。
• augment：是否對(duì)預(yù)測(cè)源應(yīng)用圖像增強(qiáng)。默認(rèn)值為False。
• agnostic_nms：是否使用類(lèi)別無(wú)關(guān)的NMS。默認(rèn)值為False。
• retina_masks：是否使用高分辨率的分割掩膜。默認(rèn)值為False。
• classes：按類(lèi)別過(guò)濾結(jié)果?？梢灾付▎蝹€(gè)類(lèi)別（例如class=0）或多個(gè)類(lèi)別（例如class=[0,2,3]）。默認(rèn)值為None，表示不進(jìn)行類(lèi)別過(guò)濾。
• boxes：在分割預(yù)測(cè)中顯示邊界框。默認(rèn)值為True。

使用Results對(duì)象

Results對(duì)象包含以下組件：

Results.boxes：用于操作邊界框的屬性和方法的對(duì)象

Results.masks：用于索引掩膜或獲取分段坐標(biāo)的對(duì)象

Results.probs：包含類(lèi)別概率或邏輯值的張量（tensor）

Results.orig_img：加載在內(nèi)存中的原始圖像

Results.path：包含輸入圖像的路徑

result對(duì)象默認(rèn)是torch.Tensor對(duì)象，也可以轉(zhuǎn)為其他對(duì)象

results = results.cuda()
results = results.cpu()
results = results.to('cpu')
results = results.numpy()

Boxes

Boxes對(duì)象可用于索引、操作邊界框，并將其轉(zhuǎn)換為不同的格式。Box格式轉(zhuǎn)換結(jié)果是緩存的，這意味著每個(gè)對(duì)象只計(jì)算一次，并且這些值將在將來(lái)的調(diào)用中重復(fù)使用。

results = model(img)
boxes = results[0].boxes
box = boxes[0]  # returns one box
box.xyxy

Boxes 的屬性有

boxes.xyxy  #  xyxy 形式的目標(biāo)框, (N, 4)
boxes.xywh  # xywh 形式的目標(biāo)框, (N, 4)
boxes.xyxyn  # xyxy 形式的目標(biāo)框且歸一化, (N, 4)
boxes.xywhn  #  xywh 形式的目標(biāo)框且歸一化, (N, 4)
boxes.conf  # 置信度的分?jǐn)?shù), (N, 1)
boxes.cls  # 類(lèi)別, (N, 1)
boxes.data  # 原始目標(biāo)框參數(shù)坐標(biāo) (x, y, w, h)、置信度以及類(lèi)別, (N, 6) or boxes.boxes

Masks

Masks可以被索引、操作修改、將Masks轉(zhuǎn)換為分割結(jié)果。也可以緩存段轉(zhuǎn)換操作。

results = model(inputs)
masks = results[0].masks  # Masks object
masks.xy  # x, y segments (pixels), List[segment] * N
masks.xyn  # x, y segments (normalized), List[segment] * N
masks.data  # raw masks tensor, (N, H, W) or masks.masks 

Probs 置信度

包含了所有類(lèi)別的置信度

results = model(inputs)
results[0].probs  # cls prob, (num_class, )

更多文檔可以參考 https://docs.ultralytics.com/reference/yolo/engine/results/

繪制結(jié)果

yolov8提供了plot函數(shù)繪制結(jié)果，可以繪制邊框，分割結(jié)果,分類(lèi)結(jié)果類(lèi)別等等。不在需要像yolov5那樣直接寫(xiě)后處理nms等，很方便。

res = model(img)
res_plotted = res[0].plot()
cv2.imshow("result", res_plotted)

視頻流數(shù)據(jù)源

以下是使用OpenCV和YOLOv8在視頻幀上運(yùn)行推理的代碼。

import cv2
from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO('yolov8n.pt')

# Open the video file
video_path = "path/to/your/video/file.mp4"
cap = cv2.VideoCapture(video_path)

# Loop through the video frames
while cap.isOpened():
    # Read a frame from the video
    success, frame = cap.read()

    if success:
        # Run YOLOv8 inference on the frame
        results = model(frame)

        # Visualize the results on the frame
        annotated_frame = results[0].plot()

        # Display the annotated frame
        cv2.imshow("YOLOv8 Inference", annotated_frame)

        # Break the loop if 'q' is pressed
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # Break the loop if the end of the video is reached
        break

# Release the video capture object and close the display window
cap.release()
cv2.destroyAllWindows()

文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-509159.html

到了這里，關(guān)于YOLOv8預(yù)測(cè)參數(shù)詳解（全面詳細(xì)、重點(diǎn)突出、大白話(huà)闡述小白也能看懂）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！