YOLO11预测返回结果分析

原创

已于 2025-04-25 12:20:59 修改 · 1.5k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #python #人工智能 #计算机视觉 #停车场管理

于 2025-04-25 10:40:08 首次发布

很多小伙伴都在使用YOLO进行学习和研究深度学习相关技术，进行数据预测模型训练等应用。YOLO提供了多种功能，包括检测（detection）、实例分割(instant segmentation)、姿态估计（pose estimation）、物品分类（ classification）、多目标跟踪（ multi-object tracking）。

YOLO 预测返回的是Python list类型的 Results 对象，包含的数据项很多，比较复杂。本文主要分析检测推理返回结果。

Ultralytics官方文档的相关内容

根据Ultralytics官方文档的相关内容： YOLO 推理返回的是Python list类型的 Results 对象, 或者在设置Stream=True时，返回Python 生成器类型的 Results 对象。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # pretrained YOLO11n model

# Run batched inference on a list of images
results = model(["image1.jpg", "image2.jpg"])  # return a list of Results objects

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs
    result.show()  # display to screen
    result.save(filename="result.jpg")  # save to disk

下面结合实例进行具体分析。