python yolov8 目标检测 推理画框

以下是使用yolov8进行目标检测推理并画框的Python代码示例：

import cv2
import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords, plot_one_box
from utils.torch_utils import select_device

# 加载模型
weights = 'yolov8s.pt'
device = select_device('')
model = attempt_load(weights, map_location=device)
stride = int(model.stride.max())

# 加载图片
img_path = 'test.jpg'
img = cv2.imread(img_path)

# 图片预处理
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (640, 640))
img = torch.from_numpy(img).to(device).float()
img /= 255.0
if img.ndimension() == 3:
    img = img.unsqueeze(0)

# 模型推理
pred = model(img)[0]
pred = non_max_suppression(pred, 0.4, 0.5)

# 画框
for det in pred:
    if det is not None and len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img.shape[2:]).round()
        for *xyxy, conf, cls in reversed(det):
            label = f'{model.names[int(cls)]} {conf:.2f}'
            plot_one_box(xyxy, img, label=label)

# 显示图片
img = img.mul(255).byte().cpu().numpy()
img = cv2.cvtColor(img[0], cv2.COLOR_RGB2BGR)
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，我们首先加载了yolov8模型，然后使用OpenCV库加载了一张图片。接着，我们对图片进行了预处理，将其转换为模型所需的格式。然后，我们使用模型对图片进行了推理，并使用非极大值抑制算法过滤了一些冗余的检测结果。最后，我们使用plot_one_box函数在图片上画出了检测框，并显示了结果。