计算机视觉 / 系统课时

运行首个检测示例

运行首个检测示例

本课使用 yolov8n.pt 对示例图像执行一次完整检测,并把标注结果保存到固定目录。完成后,你将能够确认模型权重、输入图像、推理代码和输出文件是否形成了可运行闭环。

学习目标

  • 使用预训练权重执行单张图像检测
  • 读取检测数量并定位标注结果文件
  • 根据输出目录和异常信息判断运行是否成功

准备首个示例

在项目根目录创建 src/first_detect.py。脚本首次运行时会下载示例图像和 yolov8n.pt;已经存在的文件会被直接复用,因此再次运行不会重复下载示例图像。

python
from pathlib import Path
from urllib.request import urlretrieve

from ultralytics import YOLO

image_dir = Path("data/images")
image_dir.mkdir(parents=True, exist_ok=True)
image_path = image_dir / "bus.jpg"

if not image_path.exists():
    urlretrieve(
        "https://ultralytics.com/images/bus.jpg",
        image_path,
    )

model = YOLO("yolov8n.pt")
results = model.predict(
    source=str(image_path),
    conf=0.25,
    save=True,
    project="runs/detect",
    name="first",
    exist_ok=True,
    verbose=False,
)

result = results[0]
box_count = 0 if result.boxes is None else len(result.boxes)
output_path = Path("runs/detect/first") / image_path.name

print(f"检测完成:{box_count} 个目标")
print(f"标注图像:{output_path}")

代码把置信度阈值设为 0.25,并通过 project 与 name 固定输出目录。exist_ok=True 允许重复运行时复用 runs/detect/first,避免自动生成 first2、first3 等目录。

执行检测

确认虚拟环境已激活,然后从项目根目录运行:

bash
python src/first_detect.py

预期输出:

text
检测完成:<COUNT> 个目标
标注图像:runs/detect/first/bus.jpg

<COUNT> 会受到权重版本、运行环境和推理实现影响,首次运行还可能出现权重或图片下载进度。只要程序正常结束,并生成指定图像,就表示推理链路已经工作。

查看结果与日志

打开 runs/detect/first/bus.jpg,应看到原图上的目标框、类别名称和置信度。输出图像用于快速检查模型是否识别到合理对象;程序打印的目标数量则适合后续接入统计、接口响应或批量处理。

如果输出目录不存在,先检查脚本是否从项目根目录运行;如果出现 ModuleNotFoundError,检查开发工具绑定的解释器;如果权重或图片下载失败,检查网络后重试,也可以把对应文件手动放到脚本约定的位置。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

运行首个检测示例

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通