yolov8

还得是我000

还得是我000 发表于 2024-2-25 18:17
10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/u ...

12.推理参数设置
        save：是否保存推理图片（默认会保存，保存目录就是第10步说的目录）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",save=flase)
        conf：推理分数（类似大漠的相似度）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",conf=0.9)

13.训练设置
        月饼训练集地址：https://download.csdn.net/download/weixin_43694096/87094367
        注意：数据标注请自行搜索教程，如果第一次可以网上找训练集。训练集需要放到datasets目录中，例如：F:/python/YOLOX/datasets/mooncake
        特别注意：如果未来自己创建数据集请按照月饼数据集的格式放到datasets目录中，如果没有datasets请自行创建，以及对应的yaml文件也需要自行创建
        yaml文件格式：月饼数据集例子
                train: F:\python\YOLOX\datasets\MoonCake_datasets\images\train
                val: F:\python\YOLOX\datasets\MoonCake_datasets\images\val

                names:
                  0: MoonCake

还得是我000

还得是我000 发表于 2024-2-25 18:16
9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt so ...

10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/ultralytics-main/models中，也可以在模型预测之前先下栽好，在进行预测
        成功：会在./runs/detect/predict中，例如F:/python/YOLOX/runs/detect/predict/bus.jpg

11.推理方式
        第一种：检测图片
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：检测视频
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4'
        第三种：检测桌面
                例如：result = yolo(source="screen")
                        yolo detect predict model=./models/yolov8n.pt source='screen'
        第四种：检测窗口
                注意：官方文档里没有对窗口的实时检测
                实现：使用opencv或pil库对窗口进行截图保存到目录，然后推理到模型中
                问题：使用这种方式没有办法达到实时的效果，因为需要先截图然后保存图片在推理，速度在2s左右（cpu推理）。你总不可能在客户电脑上安装pytorch的吧

还得是我000

9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：python代码
                from ultralytics import YOLO
                yolo = YOLO("./models/yolov8n.pt",task="detect")
                result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
        注意：我的电脑出现了C:\Users\13151\.conda\envs\yolov8\lib\site-packages\torchvision\io\image.py:11: UserWarning: Failed to load image Python extension: Could not find module 'C:\Users\13151\.conda\envs\yolov8\Lib\site-packages\torchvision\image.pyd' (or one of its dependencies). Try using the full path with constructor syntax.
  warn(f"Failed to load image Python extension: {e}")报错，但是不影响结果，目前不知道问题出现在哪！还有一点
        成功：image 1/1 F:\python\YOLOX\ultralytics-main\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 10.0ms
                Speed: 10.0ms preprocess, 10.0ms inference, 48.9ms postprocess per image at shape (1, 3, 640, 480)
                Results saved to runs\detect\predict

还得是我000

8.验证yolov8环境是否正确
        python代码：
                import ultralytics
                ultralytics.checks()
        成功：显示当前yolo版本，python版本，pytorch版本。后面括号中会显示当前是用的cpu还是GPU。例如Ultralytics YOLOv8.1.18