yolov8语义分割数结果
时间: 2025-05-07 17:29:17 浏览: 20
### 使用 YOLOv8 进行语义分割的结果展示
为了查看 YOLOv8 的语义分割结果,可以按照以下方法操作:
#### 加载并验证预训练模型
加载并验证预训练的 YOLOv8 分割模型非常简单[^1]。通过 Python 或者命令行接口都可以轻松实现。
```python
from ultralytics import YOLO
# 加载官方提供的预训练模型或自定义路径下的模型
model = YOLO('yolov8-seg.pt') # 官方预训练模型
# model = YOLO('path_to_custom_model.pt') # 自定义路径下保存的模型
```
#### 预测与保存结果
对于特定的数据源执行预测,并指定保存位置来存储预测后的图像和标签信息。
```python
results = model.predict(
source='test_images/', # 测试图片所在的目录
save=True, # 是否保存预测结果到本地磁盘
show=False, # 不显示实时窗口中的处理过程
name="output_results" # 存储预测结果的目标文件夹名称
)
```
上述代码会读取 `source` 参数所指向的位置作为输入数据集,在完成推理之后将带有标注框以及类别信息的新图存入由 `name` 指定的子目录内[^2]。
#### 展示结果
要直观地看到这些结果,可以直接打开输出文件夹浏览生成的带标记图片;也可以编写简单的脚本来批量可视化所有检测成果。这里给出一个基本的例子用于快速审查单张图片的效果:
```python
import cv2
import os
def display_result(image_path):
img = cv2.imread(image_path)
if img is not None:
window_name = 'YOLOv8 Segmentation Result'
cv2.namedWindow(window_name, cv2.WINDOW_AUTOSIZE)
cv2.imshow(window_name, img)
key = cv2.waitKey(0) & 0xFF
if key == ord('q'):
cv2.destroyAllWindows()
if __name__ == "__main__":
output_dir = "./runs/predict/output_results/"
files = [f for f in os.listdir(output_dir) if f.endswith('.jpg')]
for file in files[:5]: # 只看前五张为例
image_file = os.path.join(output_dir, file)
display_result(image_file)
```
此段程序遍历了之前设置好的输出文件夹内的每一张JPEG格式的照片,并依次调用 OpenCV 库函数将其弹窗显示出来供人工检验。按任意键继续下一幅画作直到结束或者按下 q 键退出循环关闭所有窗口。
阅读全文
相关推荐

















