yolov8 segment predict python代码

以下是一个使用YOLOv8进行图像分割和预测的Python示例代码（基于PyTorch实现）：

import torch
import cv2
import numpy as np
import time

# 导入YOLOv8模型
model = torch.hub.load('ultralytics/yolov5', 'custom', path_or_model='yolov8.pt')

# 图像预处理函数
def preprocess(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 转换颜色通道
    img = cv2.resize(img, (640, 640)) # 调整大小
    img = img.astype(np.float32) / 255.0 # 归一化
    img = np.transpose(img, (2, 0, 1)) # 转换维度顺序
    img = np.expand_dims(img, axis=0) # 增加batch维度
    return img

# 图像后处理函数
def postprocess(pred):
    boxes = pred.xyxy[0].cpu().numpy() # 获取预测框坐标
    scores = pred.xyxy[0, :, 4].cpu().numpy() # 获取预测框置信度
    labels = pred.xyxy[0, :, 5].cpu().numpy().astype(np.int) # 获取预测框类别
    return boxes, scores, labels

# 加载测试图像
img = cv2.imread('test.jpg')

# 图像预处理
img = preprocess(img)

# 模型推理
with torch.no_grad():
    start = time.time()
    pred = model(torch.from_numpy(img).to('cuda'))
    end = time.time()
    print('Inference time: {:.4f} s'.format(end - start))

# 图像后处理
boxes, scores, labels = postprocess(pred)

# 可视化预测结果
for box, score, label in zip(boxes, scores, labels):
    if score > 0.5:
        x1, y1, x2, y2 = box.astype(np.int)
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
        cv2.putText(img, str(label), (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码包括了模型加载、图像预处理、模型推理、图像后处理和结果可视化等步骤。你需要将`yolov8.pt`替换成你自己的YOLOv8模型权重文件，并将`test.jpg`替换成你自己的测试图像。

希望这个示例代码能够对你有所帮助！