学习python使用Ultralytics库+YOLO进行模型预测（续）
·
Ultralytics库的YOLO类支持调用predict函数进行模型预测，该函数默认输入参数为数据源，也即source参数，支持图片、视频、摄像头等类型数据源，同时支持单数据源或多数据源，除了source参数，predict函数还支持以下输入参数。
predict函数的返回结果为Results对象列表，输入的数据源有几个，返回的对象列表中就有几个Results对象（stream=True时返回生成器，仅将当前帧或数据源的结果保存在内存中，从而显著降低内存消耗并防止内存溢出问题）。Results对象的内部数据如下图所示，其主要属性及函数如下表所示：
| 序号 | 名称 | 说明 |
|---|---|---|
| 1 | show | 显示带有注释的推理结果的图像 |
| 2 | save | 将带注释的推理结果图像保存到文件并返回文件名 |
| 3 | orig_img | 原始图像，以 numpy 数组形式呈现 |
| 4 | orig_shape | 原始图像的形状，格式为（高度，宽度） |
| 5 | boxes | 包含检测到的边界框 |
| 6 | masks | 包含检测到的掩码 |
| 7 | probs | 包含分类任务中每个类别的概率 |
| 8 | keypoints | 包含每个对象检测到的关键点 |
| 9 | names | 将类索引映射到类名称的字典 |
| 10 | obb | 包含旋转框检测的 OBB 对象 |
| 11 | path | 图像文件的路径 |
| 12 | save_dir | 用于保存结果的目录 |
| 13 | speed | 包含预处理、推理和后处理的速度，单位为毫秒/图像 |
Boxes 对象用于索引、操作和将边界框转换为不同的格式，其主要属性及内部数据形式如下所示：
Results对象的其它属性类型的介绍详见参考文献1。
参考文献：
[1]https://docs.ultralytics.com/zh/modes/predict
[2]https://aleksandarhaber.com/install-and-run-you-only-look-once-yolo-computer-vision-model-on-gpu-cpu-and-windows/?amp=1
[3]https://docs.ultralytics.com/reference/engine/results/
更多推荐
7
0- 0
已为社区贡献6条内容
所有评论(0)