YOLOv8: 快速而准确的对象检测

在这里插入图片描述

背景

对象检测是计算机视觉中的一个关键任务,它可以帮助我们在图像或视频中识别和定位感兴趣的物体。其中,YOLO(You Only Look Once)系列是一类非常出色的实时对象检测算法,以其快速和准确的特点而闻名。YOLOv8是YOLO系列的最新版本,由Ultralytics开发并开源在GitHub上。使用YOLOv8,您可以快速准确地检测图像和视频中的各种物体,为您的计算机视觉项目带来强大的支持。

from ultralytics import YOLO

什么是YOLOv8?

YOLOv8是一个基于PyTorch的端到端对象检测模型,它能够快速准确地检测图像和视频中的各种物体。与传统的对象检测算法相比,YOLOv8具有更快的推理速度和更高的检测精度。它可以用于各种应用场景,如智能监控、自动驾驶、机器人视觉等。

安装YOLOv8

您可以使用pip安装YOLOv8:

pip install ultralytics

简单的库函数使用方法

加载预训练模型

from ultralytics import YOLO

# 加载预训练的YOLOv8模型
model = YOLO('yolov8n.pt')

这段代码使用YOLO类加载了一个预训练的YOLOv8模型。您可以选择不同的模型大小,如yolov8s.pt、yolov8m.pt等,以平衡性能和精度。

检测图像中的物体

from ultralytics import YOLO

# 加载模型
model = YOLO('yolov8n.pt')

# 检测图像中的物体
results = model.predict('image.jpg')

# 显示检测结果
results[0].plot()

这段代码使用加载的YOLOv8模型对一张图像进行物体检测,并使用plot()函数显示检测结果。

检测视频中的物体

from ultralytics import YOLO

# 加载模型
model = YOLO('yolov8n.pt')

# 检测视频中的物体
results = model.predict('video.mp4')

# 保存检测结果视频
results[0].save(save_dir='output.mp4')

这段代码使用加载的YOLOv8模型对一段视频进行物体检测,并将检测结果保存为一个新的视频文件。

训练自定义模型

from ultralytics import YOLO

# 创建新的YOLOv8模型
model = YOLO('yolov8n.yaml')

# 训练模型
results = model.train(data='custom_dataset.yaml', epochs=100, batch=16)

这段代码创建了一个新的YOLOv8模型,并使用自定义数据集对其进行训练。您需要提供一个包含训练数据信息的YAML配置文件。

部署模型

from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 将模型转换为ONNX格式
model.export(format='onnx')

这段代码将预训练的YOLOv8模型转换为ONNX格式,以便在其他平台上部署和使用。

场景示例

实时物体检测

from ultralytics import YOLO
import cv2

# 加载YOLOv8模型
model = YOLO('yolov8n.pt')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取视频帧
    ret, frame = cap.read()

    # 使用YOLOv8模型检测物体
    results = model(frame)

    # 在视频帧上绘制检测结果
    annotated_frame = results[0].plot()

    # 显示结果
    cv2.imshow('Object Detection', annotated_frame)

    # 按下'q'退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

批量图像检测

from ultralytics import YOLO
import os

# 加载YOLOv8模型
model = YOLO('yolov8n.pt')

# 指定图像文件夹
image_dir = 'path/to/images'

# 遍历图像文件夹
for filename in os.listdir(image_dir):
    if filename.endswith('.jpg') or filename.endswith('.png'):
        # 读取图像
        image_path = os.path.join(image_dir, filename)
        image = cv2.imread(image_path)

        # 使用YOLOv8模型检测物体
        results = model(image)

        # 保存检测结果
        results[0].save(save_dir='path/to/output')

模型微调

from ultralytics import YOLO

# 加载预训练的YOLOv8模型
model = YOLO('yolov8n.pt')

# 定义自定义数据集的配置文件
data_config = 'path/to/custom_data.yaml'

# 微调模型
results = model.finetune(data=data_config, epochs=50, batch=16)