2024小白YOLO-World部署（Ultralytics版本）

目录

前言

一、前置环境搭建

1.Pytorch的安装

二、YOLO-World使用

1.下载Ultralytics

2.下载依赖环境

3.下载YOLO-World权重

4.检测使用

（1）不指定特定检测类

（2）指定检测类

总结 

---

前言

本篇主要介绍，最近新出的YOLO-World如何在Ultralytics中简单使用。由于楼主也是小白，如果错误地方欢迎大家指正。

---

一、前置环境搭建

1.Pytorch的安装

由于本文是在Ultralytics版本上使用YOLO-World所以我们要先下载好Pytorch，才能使用。详细安装过程参考如下文章：

2024小白安装Pytorch-GPU版（Anaconda，CUDA，cuDNN讲解）_pytorch安装-优快云博客

 学会了上面内容之后，我们需要创建一个新的虚拟环境（安装好Pytorch）用于使用YOLO-World。

---

二、YOLO-World使用

1.下载Ultralytics

其实就是YOLO系列的框架，在GitHub上下载好，解压完用Pycharm打开

GitHub - ultralytics/ultralytics: Ultralytics YOLO11 🚀

2.下载依赖环境

先在设置里的Python解释器选择我们新创建好的虚拟环境，再配置下终端，方便再Pycharm中直接进入虚拟环境，安装YOLO-World需要的依赖包（不会的参考YOLO系列部署）

2024小白部署YOLOv8_dnf yolov8-优快云博客

然后在终端输入指令下载需要的依赖环境

pip install ultralytics

3.下载YOLO-World权重

第一个链接是YOLO-World的GitHub源码地址链接，里边有不同的权重文件

GitHub - AILab-CVC/YOLO-World: [CVPR 2024] Real-Time Open-Vocabulary Object Detection

 这里楼主选用yolov8s-world.pt（下载好后直接放下根目录下即可），需要其他权重，去上边链接下载

 https://github.com/ultralytics/assets/releases/download/v8.1.0/yolov8s-world.pt

4.检测使用（不含训练，只检测coco中有的80类）

（1）不指定特定检测类

在根目录下创建一个新的python文件，复制下边代码放进去。直接运行即可。

from ultralytics import YOLOWorld
 
# 加载模型  放你下载好的YOLOWorld权重文件路径
model = YOLOWorld('yolov8s-world.pt')  
 
# 推理预测   选择一张图片，放你图片路径
results = model.predict('data/images/bus.jpg')
 
# 显示结果
results[0].show()

 检测结果如下：

（2）指定检测类

指定检测类，就涉及了文本embedding的模块，需要用到CLIP，在终端安装clip

pip install openai-clip

 然后使用下面代码运行，即可

from ultralytics import YOLOWorld
 
# Initialize a YOLO-World model
model = YOLOWorld('yolov8s-world.pt')  # or choose yolov8m/l-world.pt
 
# Define custom classes      这里设置指定检测的类
model.set_classes(["person"])
 
# Execute prediction for specified categories on an image
results = model.predict('data/images/bus.jpg')
 
# Show results
results[0].show()

检测结果如下： 

---

总结 

由于网上目前关于这部分内容比较少，等楼主多探索下，再回来分享下其他学到的东西，祝大家学习愉快！