计算机视觉yolov8模型应用-学习笔记

计算机视觉yolov8模型应用-学习笔记

YOLOv8是由Ultralytics公司在‌2023年1月10日‌发布的一款深度学习模型。它是YOLOv5的重大更新版本,支持图像分类、物体检测和实例分割任务。这一版本在发布前就受到了广泛关注,并在发布后迅速成为目标检测领域的热门模型。‌

部署起来非常简单便捷!

一、下载Ultralytics项目

下载链接: https://github.com/ultralytics/ultralytics

二、快速部署

1、建议conda创建虚拟环境

bash 复制代码
conda create -n yolov8 -y python=3.12

2、激活虚拟环境

bash 复制代码
conda activate sparktts

3、安装ultralytics

bash 复制代码
pip install ultralytics

4、如果需要有模块缺失,依次使用pip安装

例如如果缺少torch,可以如下进行(不过默认安装的是cpu版本的):

bash 复制代码
pip install pytorch

三、应用yolov8

3.1 命令行调用

bash 复制代码
yolo predict model=yolo8n.pt source='E:\自己摸索大模型\计算机视觉\yolov8\ultralytics-main\ultralytics\assets\bus.jpg'

注:第一次运行这个指令,会自动下载yolo8n.pt模型,可能时间有点慢。

其中source中是需要识别的图像地址,下载好的项目中,\ultralytics\assets\bus.jpg这个路径的图片是默认存在的。

当然,你也可以自行下载别的图片,然后识别别的图片,如图,我额外下载了不同的图片:a.jpg以及zidane.jpg。

示例图片以及相应效果如下:

示例图片如下:

识别命令行窗口(显示识别出来了4个人、一辆公交车、一个停止符号等,识别结果保存runs\detect\predict9这个路径):

识别结果展示:

3.2 python调用

python文件:

python 复制代码
from ultralytics import YOLO

yolo = YOLO("./yolov8n.pt",task="detect")

result = yolo(source="E:/自己摸索大模型/计算机视觉/yolov8/ultralytics-main/ultralytics/assets/bus.jpg") #这是检测指定路径图片

# result = yolo(source="screen") #好玩,这是检测当前屏幕
# result = yolo(source=0) 好玩,打开摄像头
# 这个直接放视频文件,然后设置show=true,就可以实时看。
# result = yolo(source=0)

运行python文件(其中demo_zyj.py为上面的python文件名):

Bash 复制代码
python .\demo_zyj.py

希望和广大网友一块学习,交流。遇到问题,敬请发在评论区进行讨论。

相关推荐
天水幼麟1 小时前
动手学深度学习-学习笔记(总)
笔记·深度学习·学习
jndingxin3 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
天水幼麟3 小时前
动手学深度学习-学习笔记【二】(基础知识)
笔记·深度学习·学习
沧海一笑-dj4 小时前
【51单片机】51单片机学习笔记-课程简介
笔记·学习·51单片机·江科大·江科大学习笔记·江科大单片机·江科大51单片机
老虎06274 小时前
JavaWeb(苍穹外卖)--学习笔记04(前端:HTML,CSS,JavaScript)
前端·javascript·css·笔记·学习·html
晨同学03274 小时前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
大苏打seven5 小时前
Docker学习笔记:Docker网络
笔记·学习·docker
Green1Leaves7 小时前
pytorch学习-9.多分类问题
人工智能·pytorch·学习
慕y2747 小时前
Java学习第十五部分——MyBatis
java·学习·mybatis
kyle~7 小时前
计算机视觉---RealSense深度相机技术
人工智能·数码相机·计算机视觉·机器人·嵌入式·ros·传感器