yolov8怎么打印输出结果

在使用 YOLOv8 检测器时，你可以通过以下步骤打印输出结果：

1. 导入所需的库和模块：

import cv2
from PIL import Image
import numpy as np
from models.experimental import attempt_load
from utils.general import check_img_size, non_max_suppression, scale_coords
from utils.torch_utils import select_device

2. 加载 YOLOv8 模型：

weights = 'path/to/weights.pt'  # 替换为你的权重文件路径
device = select_device('')  # 使用默认设备
model = attempt_load(weights, map_location=device)

3. 定义目标类别：

class_names = ['class1', 'class2', 'class3', ...]  # 替换为你的目标类别名称列表

4. 加载图像并进行检测：

img_path = 'path/to/image.jpg'  # 替换为你的图像文件路径
img = Image.open(img_path)
img = np.array(img)

# 对图像进行预处理
img = img[:, :, ::-1].transpose(2, 0, 1)  # BGR to RGB，HWC to CHW格式转换
img = np.ascontiguousarray(img)

# 调整图像尺寸
img = check_img_size(img, s=model.stride.max())

# 将图像转换为Tensor并移至设备
img = torch.from_numpy(img).to(device)
img = img.float()  # float类型
img /= 255.0  # 像素值归一化到0-1范围

# 添加批次维度
img = img.unsqueeze(0)

# 模型推理
pred = model(img)[0]

# 去除多余边框并缩放坐标
pred = non_max_suppression(pred, conf_thres=0.3, iou_thres=0.45)
for det in pred:
    if len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img.shape[2:]).round()

# 打印检测结果
for *xyxy, conf, cls in reversed(det):
    label = f'{class_names[int(cls)]} {conf:.2f}'
    print(label, xyxy)

以上代码片段是一个简单示例，你可以根据你的具体需求进行修改和调整。确保你已经安装了相关的库和模块，并且将路径替换为你自己的文件路径。