boxes = detections.xyxy conf = detections.confidence class_ids = detections.class_id results = [] if boxes.shape[0] > 0: for label, score, box in zip(class_ids, conf, boxes): xtl = int(box[0]) ytl = int(box[1]) xbr = int(box[2]) ybr = int(box[3])接下来调用extract_yolov8_masks(yolov8_results)函数来获取多边形区域的掩码帮我改代码

下面是修改后的代码：

boxes = detections.xyxy
conf = detections.confidence
class_ids = detections.class_id

results = []

if boxes.shape[0] > 0:
    for box, score, class_id in zip(boxes, conf, class_ids):
        xtl = int(box[0])
        ytl = int(box[1])
        xbr = int(box[2])
        ybr = int(box[3])
        
        mask = extract_yolov8_masks(yolov8_results)  # 调用 extract_yolov8_masks 函数获取多边形区域的掩码
        
        result = {
            'class_id': class_id,
            'score': score,
            'box': (xtl, ytl, xbr, ybr),
            'mask': mask
        }
        
        results.append(result)

在这个修改后的代码中，我将`zip()`函数的参数顺序调整为`boxes, conf, class_ids`，以确保正确地迭代这些数组。

然后，在循环中，我将迭代变量的顺序调整为`box, score, class_id`，以与`zip()`函数的参数顺序一致。

在循环内部，我添加了获取多边形区域掩码的代码，将其存储在`mask`变量中。

然后，我创建了一个字典`result`，存储了类别ID、置信度、边界框坐标和掩码信息。

最后，将`result`字典添加到`results`列表中。

请注意，你需要根据你的实际需求，在`result`字典中添加适当的键和值。这只是一个示例，你可能需要根据你的代码逻辑进行调整。