YOLO基础教程（二）：图片识别

最新推荐文章于 2025-06-01 17:55:17 发布

王氏小明

最新推荐文章于 2025-06-01 17:55:17 发布

阅读量7.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： YOLO

本文链接：https://blog.youkuaiyun.com/weixin_43472830/article/details/88181516

本文介绍了YOLO（You Only Look Once）在图片识别中的应用。通过将图片输入YOLO网络，解析返回的物体标签、置信度和边界框坐标，可以实现对目标的定位和标注。程序展示了如何提取和利用这些信息进行目标识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基本思想：将图片传入到YOLO网络中进行识别，解析返回的信息，进行画框，写文字。

返回信息的格式：[{'label': 'dog', 'confidence': 0.87201697, 'topleft': {'x': 282, 'y': 152}, 'bottomright': {'x': 555, 'y': 509}}]

对不同信息进行提取即可得到相关信息，详情见程序。

import cv2 as cv
from darkflow.net.build import TFNet
import matplotlib.pyplot as plt

# 各个文件的地址，根据自己的路径定义，threshold为阈值，通过修改此数值可以改变识别精度，电脑没GPU的将gpu去掉即可
option = {
    'model': 'cfg/yolo.cfg',
    'load': 'bin/yolo.weights',
    'threshold': 0.5,
    'gpu': 0.7
}
tfnet = TFNet(option)  # 初始化网络

img = cv.imread("dog.jpg", cv.IMREAD_COLOR)  # 读取文件
# OpenCV读取图像是BGR格式的，plt显示是时候是RGB格式的，所以需要转换一下格式
img = cv.cvtColor(img, cv.COLOR_BGR2RGB)
result = tfnet.return_predict(img)  # 进行预测，返回预测结果
print(result)

tl = (result[0]['topleft']['x'], result[0]['topleft']['y'])  # 提取预测结果中 topleft 左上角的坐标
br = (result[0]['bottomright']['x'], result[0]['bottomright']['y'])  # 提取预测结果中 bottomright 右下角的坐标
label = result[0]['label']  # 提取标签

img = cv.rectangle(img, tl, br, (0, 255, 0),