当前位置: 首页 > news >正文

YOLO模型predict(预测/推理)的参数设置

上一章描述了预测初体验,基本可以使用现有的yolo模型进行预测/推理。本次我们了解一下这个过程中的参数的作用。

1.参数示例

conf=0.68 :表示模型识别这个东西是车的概率为68% 。一般默认的情况下,概率小于25%的就不显示了。

1)调整一下python的代码的参数如下,可以预测图片能够识别的东西就会变少。

from ultralytics import YOLO

# 自定义yolo对象,设定好model和task,指定源文件,设置保存save=True,启动预测

yolo = YOLO(model = 'yolo11n.pt', task='detect')

results = yolo(mode='predict',source = 'cars.jpg',save=True, conf=0.66)

 

2)调整一下python的代码的参数如下,可以预测图片能够识别的东西就会变多。

from ultralytics import YOLO

http://www.dtcms.com/a/200988.html

相关文章:

  • Java集合框架解析:从基础到底层源码
  • 题目练习之综合运用
  • 【PhysUnits】4.4 零类型(Z0)及其算术运算(zero.rs)
  • 《解锁具身智能社交密码:文化适配算法探秘》
  • 小目标检测层优化+多模态数据增强——YOLOv5在油气管道环焊缝缺陷识别的创新应用
  • SymPy | 隐函数导数求解:从基础到高阶的完整指南
  • 卓力达手撕垫片:精密制造的创新解决方案与多领域应用
  • docker运行Redis
  • 基于DeepSeek的智能客服系统实践与创新
  • 【Game】Powerful——Punch and Kick(12)
  • C+++STL(一)
  • Linux 内核等待机制详解:prepare_to_wait_exclusive 与 TASK_INTERRUPTIBLE
  • 反射操作注解的详细说明
  • 网络漏洞扫描系统都有着什么作用?
  • 图漾相机错误码解析(待补充)
  • 三种嵌入式开发常用的组网方式
  • Unity开发:预制体、接口与枚举
  • 基于tar包安装,创建两个tomcat实例
  • 测试自动化开发框架全解析
  • 没有保安工作经验,如何备考初级保安员证的实操考试?
  • 【第二届帕鲁杯】第二届帕鲁杯畸行的爱完整wp
  • Python 实现图片浏览和选择工具
  • AT_abc401_d [ABC401D] Logical Filling 题解
  • SDC命令详解:使用get_libs命令进行查询
  • 如何使用VCS+XA加密verilog和spice网表
  • JUC入门(三)
  • Unity 本土化插件 I2Localization
  • 需求频繁变更?AI 驱动的自动化解决方案实践
  • 【Fifty Project - D28】
  • chirpstack v4版本 全流程部署[ubuntu+docker]