写在前面

---

• 工作中遇到，简单整理
• 博文内容为使用预训练模型的一个预测 Demo
• 测试图片来源与网络,如有侵权请告知
• 理解不足小伙伴帮忙指正

对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》

---

测试结果

YOLOv8 是一种高效而准确的目标检测算法，它在 YOLOv4 的基础上进行了改进和优化，提供了更好的性能和推断速度。适用于各种物体检测与跟踪、实例分割、图像分类和姿态估计任务。

同时， YOLOv8 提供了很完善的文档，包括中文文档。

项目地址：

https://github.com/ultralytics/ultralytics

安装很简单

pip install ultralytics

ultralytics_demo\examples\demo\demo Demo 文件位置

from ultralytics import YOLO
from PIL import Image
import cv2model = YOLO("C:\\Users\\liruilong\\.yolo_model\\yolov8x-pose-p6.pt")# from ndarray
im2 = cv2.imread("Y:\\image8.jpg")#results = model(im2)  # predict on an image
results = model(im2)for r in results:#im_array = r.plot(kpt_radius=3,labels=False,boxes=False,line_width=1)  # plot a BGR numpy array of predictionsim_array = r.plot(line_width=2)  # plot a BGR numpy array of predictionsim_array = Image.fromarray(im_array[..., ::-1])  # RGB PIL imageim_array.show()  # show imageim_array.save('results.jpg')  # save image

对应的预训练模型下载地址可以在项目中找到，对应预测参数，以及结果展示的参数配置文档见下面：

https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop

博文部分内容参考

© 文中涉及参考链接内容版权归原作者所有，如有侵权请告知，这是一个开源项目，如果你认可它，不要吝啬星星哦 😃

---

https://docs.ultralytics.com/

https://github.com/ultralytics/ultralytics

---

© 2018-2023 liruilonger@gmail.com, All rights reserved. 保持署名-非商用-相同方式共享(CC BY-NC-SA 4.0)