yolov8工程实践

本文介绍了Yolov8模型在13800*800输入下的输出结构,包括对象位置、尺寸、概率以及掩码信息。详细解释了如何根据输出获取检测对象的掩码,并通过`results`函数展示了如何在视频中应用及自定义保存路径。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、yolov8语义分割的模型输出信息
输入为800*800*3
输入为640*640*3
以13800*800输入为例,模型最后有两个输出output0和output1:
[1,37,13125]
1 - batch size
37 - the first 5 values “x, y, width, height and probability” of the detected object, next 32 values are the probability for the mask
13125 - the maximum number of possible detected objects(阈值判断,检测框/掩膜计算,非极大值抑制)

[1,32,200,200] array of 32 masks measuring 200 by 200 pixels
1 - batch size
32 - index of the mask
200 - x points
200 - y points

因此,要获得检测到的对象的输出掩码,您需要首先从第一个输出中选择最佳概率并记住对象掩码的索引。
然后根据掩膜索引从第二个输出 [1,mask of index,200,200] 获取对象掩模 200x200 像素,并将 x 点和 y 点插值到输入图像乘以 4(800 / 200 = 4)。

1、    results = model.track(source="F:/A_bubble/bubble.mp4",
                          show=False,
                          save=True,
                          save_dir=save_path,
                          save_txt=False,
                          line_width=1,
                          stream=True,
                          retina_masks=True)
      # 如果要自定义推理结果的保存路径,需要用save_dir参数指定;但是该参数使用前,必须在D:\workspace\ultralytics-main\ultralytics\cfg\default.yaml配置文件中加入对应的参数名:save_dir:    # peanut add
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值