使用yolo用python检测

使用yolo用python检测

from ultralytics import YOLO# 加载预训练的YOLOv11n模型
model = YOLO(r"yolo11m.pt")# 对指定的图像文件夹进行推理，并设置各种参数
results = model.predict(source="test.png",   # 数据来源，可以是文件夹、图片路径、视频、URL，或设备ID（如摄像头）conf=0.45,                      # 置信度阈值iou=0.6,                        # IoU 阈值imgsz=640,                      # 图像大小half=False,                     # 使用半精度推理device=None,                    # 使用设备，None 表示自动选择，比如'cpu','0'max_det=300,                    # 最大检测数量vid_stride=1,                   # 视频帧跳跃设置stream_buffer=False,            # 视频流缓冲visualize=False,                # 可视化模型特征augment=False,                  # 启用推理时增强agnostic_nms=False,             # 启用类无关的NMSclasses=None,                   # 指定要检测的类别retina_masks=False,             # 使用高分辨率分割掩码embed=None,                     # 提取特征向量层show=False,                     # 是否显示推理图像save=True,                      # 保存推理结果save_frames=False,              # 保存视频的帧作为图像save_txt=True,                  # 保存检测结果到文本文件save_conf=False,                # 保存置信度到文本文件save_crop=False,                # 保存裁剪的检测对象图像show_labels=True,               # 显示检测的标签show_conf=True,                 # 显示检测置信度show_boxes=True,                # 显示检测框line_width=None                 # 设置边界框的线条宽度，比如2，4
)# 处理返回的结果
for result in results:boxes = result.boxes  # 获取边界框信息probs = result.probs  # 获取分类概率result.show()         # 显示推理结果