机器视觉开发-使用YOLO8预训练模型检测目标

在计算机视觉领域，目标检测是一项基础而重要的任务。今天，我将介绍如何使用Ultralytics的YOLOv8库，仅用一行代码就能实现强大的目标检测功能。

YOLOv8简介

YOLO（You Only Look Once）是一种流行的实时目标检测算法，其最新的稳定版本YOLOv8在精度和速度上都有了显著提升。Ultralytics公司提供的Python库让YOLOv8变得异常易用。

环境安装

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

代码实现

# 引用YOLO库 from ultralytics import YOLO # 加载预训练模型,首次运行自动下载 model = YOLO('yolov8n.pt') # 检测图片 model('team.png',show=True,save=True) # 检测视频 # model('video.mp4',show=True,save=True) # 使用摄像头 # model(0,show=True,save=True)

这短短三行代码就完成了从模型加载到检测结果展示的全过程！

代码解析

1. ​​导入库​​：from ultralytics import YOLO- 导入Ultralytics的YOLO接口
2. ​​加载模型​​：model = YOLO('yolov8n.pt')- 加载预训练的YOLOv8n模型（nano版本）
   • 首次运行时会自动下载模型文件
   • 支持多种模型尺寸：n(ano), s(mall), m(edium), l(arge), x(large)
3. ​​执行检测​​：model('team.png', show=True, save=True)
   • 对'team.png'图片进行目标检测或者视频，摄像头内容进行检测
   • show=True：实时显示检测结果
   • save=True：保存检测结果图片

运行结果

代码运行完毕后，会自动保存检测结果

对于复杂的图片，yolo8也可以准确检测人物目标