ultralytics 是一個(gè)專(zhuān)注于計(jì)算機(jī)視覺(jué)任務(wù)的 Python 庫(kù)，尤其以 YOLO（You Only Look Once） 系列模型為核心，提供了簡(jiǎn)單易用的接口，支持目標(biāo)檢測(cè)、實(shí)例分割、姿態(tài)估計(jì)等任務(wù)。本文將詳細(xì)介紹 ultralytics 庫(kù)的功能、安裝方法、核心模塊以及使用示例。

1. ultralytics 庫(kù)簡(jiǎn)介

ultralytics 庫(kù)由 Ultralytics 團(tuán)隊(duì)開(kāi)發(fā)，旨在為 YOLO 系列模型提供高效、靈活且易于使用的工具。它支持 YOLOv5、YOLOv8 等最新版本的 YOLO 模型，并提供了以下核心功能：

• 目標(biāo)檢測(cè)：檢測(cè)圖像或視頻中的目標(biāo)。
• 實(shí)例分割：對(duì)目標(biāo)進(jìn)行像素級(jí)分割。
• 姿態(tài)估計(jì)：檢測(cè)目標(biāo)的關(guān)鍵點(diǎn)（如人體姿態(tài)）。
• 模型訓(xùn)練：支持自定義數(shù)據(jù)集的訓(xùn)練。
• 模型導(dǎo)出：將模型導(dǎo)出為多種格式（如 ONNX、TensorRT 等）。

2. 安裝 ultralytics

ultralytics 可以通過(guò) pip 安裝：

pip install ultralytics

安裝完成后，可以通過(guò)以下命令驗(yàn)證是否安裝成功：

import ultralytics
print(ultralytics.__version__)

3. 核心模塊與功能

（1）YOLO 模型加載與推理

ultralytics 提供了 YOLO 類(lèi)，用于加載預(yù)訓(xùn)練模型或自定義模型，并進(jìn)行推理。

加載模型

from ultralytics import YOLO
# 加載預(yù)訓(xùn)練模型
model = YOLO("yolov8n.pt")  # YOLOv8 Nano 模型

推理

# 對(duì)單張圖像進(jìn)行推理
results = model("image.jpg")
# 顯示結(jié)果
results.show()

保存結(jié)果

# 保存檢測(cè)結(jié)果
results.save("output.jpg")

（2）模型訓(xùn)練

ultralytics 支持自定義數(shù)據(jù)集的訓(xùn)練。

準(zhǔn)備數(shù)據(jù)集

數(shù)據(jù)集需要按照 YOLO 格式組織：

dataset/
├── images/
│   ├── train/
│   └── val/
└── labels/
    ├── train/
    └── val/

訓(xùn)練模型

# 加載模型
model = YOLO("yolov8n.pt")
# 訓(xùn)練模型
results = model.train(data="coco128.yaml", epochs=50, imgsz=640)

（3）模型驗(yàn)證

訓(xùn)練完成后，可以使用驗(yàn)證集評(píng)估模型性能。

# 驗(yàn)證模型
metrics = model.val()
print(metrics.box.map)  # 打印 mAP 值

（4）模型導(dǎo)出

ultralytics 支持將模型導(dǎo)出為多種格式，以便在其他平臺(tái)上部署。

# 導(dǎo)出為 ONNX 格式
model.export(format="onnx")

4. 使用示例

目標(biāo)檢測(cè)

from ultralytics import YOLO
# 加載模型
model = YOLO("yolov8n.pt")
# 對(duì)圖像進(jìn)行推理
results = model("image.jpg")
# 顯示結(jié)果
results.show()

實(shí)例分割

from ultralytics import YOLO
# 加載實(shí)例分割模型
model = YOLO("yolov8n-seg.pt")
# 對(duì)圖像進(jìn)行推理
results = model("image.jpg")
# 顯示分割結(jié)果
results.show()

姿態(tài)估計(jì)

from ultralytics import YOLO
# 加載姿態(tài)估計(jì)模型
model = YOLO("yolov8n-pose.pt")
# 對(duì)圖像進(jìn)行推理
results = model("image.jpg")
# 顯示姿態(tài)估計(jì)結(jié)果
results.show()

視頻推理

from ultralytics import YOLO
# 加載模型
model = YOLO("yolov8n.pt")
# 對(duì)視頻進(jìn)行推理
results = model("video.mp4")
# 保存結(jié)果
results.save("output.mp4")

5. 高級(jí)功能

（1）自定義模型

ultralytics 支持加載自定義訓(xùn)練的模型。

from ultralytics import YOLO
# 加載自定義模型
model = YOLO("custom_model.pt")
# 推理
results = model("image.jpg")

（2）多 GPU 訓(xùn)練

ultralytics 支持多 GPU 訓(xùn)練，以加速訓(xùn)練過(guò)程。

# 使用 4 個(gè) GPU 進(jìn)行訓(xùn)練
results = model.train(data="coco128.yaml", epochs=50, imgsz=640, device=[0, 1, 2, 3])

（3）TensorRT 加速

ultralytics 支持將模型導(dǎo)出為 TensorRT 格式，以在 NVIDIA GPU 上加速推理。

# 導(dǎo)出為 TensorRT 格式
model.export(format="engine")

6. 總結(jié)

ultralytics 是一個(gè)功能強(qiáng)大且易于使用的計(jì)算機(jī)視覺(jué)庫(kù)，特別適合 YOLO 系列模型的應(yīng)用。它提供了從模型加載、推理、訓(xùn)練到導(dǎo)出的完整功能，支持目標(biāo)檢測(cè)、實(shí)例分割、姿態(tài)估計(jì)等多種任務(wù)。無(wú)論是研究還是生產(chǎn)環(huán)境，ultralytics 都能滿(mǎn)足你的需求。

希望本文能幫助你快速上手 ultralytics 庫(kù)！如果有任何問(wèn)題，歡迎在評(píng)論區(qū)留言討論！ ??

參考鏈接

• Ultralytics 官方文檔

• YOLOv8 GitHub 倉(cāng)庫(kù)

到此這篇關(guān)于Python 的 ultralytics 庫(kù)詳解的文章就介紹到這了,更多相關(guān)Python ultralytics 庫(kù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論