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
又是忙碌的一天26 分钟前
算法学习 13
数据结构·学习·算法
微露清风3 小时前
系统性学习C++-第八讲-vector类
java·c++·学习
月临水4 小时前
Git 学习笔记
笔记·git·学习·1024程序员节
奋斗的牛马4 小时前
FPGA—ZYNQ学习Debug(三)
学习·fpga开发
qq_401700414 小时前
matlab学习
学习·算法·matlab
hd51cc4 小时前
C++ 类的学习(四) 继承
开发语言·c++·学习
小马过河R5 小时前
AIGC视频生成之Deepseek、百度妙笔组合实战小案例
人工智能·深度学习·计算机视觉·百度·aigc
王哈哈^_^6 小时前
【数据集】【YOLO】【目标检测】农作物病害数据集 11498 张,病害检测,YOLOv8农作物病虫害识别系统实战训推教程。
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·1024程序员节
行思理6 小时前
Docker 应该如何学习 分四个阶段
学习·docker·容器
大山同学6 小时前
Blender学习-基础移动
数码相机·学习·blender