YOLOV8模型调用，保存预测图片

YOLOv8（You Only Look Once Version 8）是一种实时目标检测算法，它的核心思想是在一次前向传播过程中就完成物体的定位和识别。在使用YOLOv8模型进行预测后，通常会生成一系列包含预测框、类别和置信度的信息。

调用YOLOv8模型并保存预测图片的步骤可以概括如下：

1. **安装依赖**：首先需要安装`pytorch-yolov5`库或者其他支持YOLOv8的库，例如`torchvision`用于图像处理。

pip install torch torchvision yolo-v8-pytorch

2. **加载模型**：导入必要的模块，并加载预训练的YOLOv8模型。

from yolov8_pytorch import YOLOv8

model = YOLOv8()
model.load_darknet_weights('path_to_yolov8.weights')

3. **读取图片**：将待检测的图片转为PyTorch张量。

import cv2
image = cv2.imread('input_image.jpg')
image_tensor = model.transforms(image)  # 应该包含了预处理转换

4. **预测**：对图片进行前向传播得到预测结果。

outputs = model(image_tensor)

5. **保存预测结果**：解析出每个预测框的信息（如坐标、类别等），然后画到原图上并保存。

results = model.postprocess(outputs)
for result in results:
    label, confidence, bbox = result
    x, y, w, h = int(bbox[0]), int(bbox[1]), int(bbox[2] - bbox[0]), int(bbox[3] - bbox[1])
    cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)
    cv2.putText(image, f'{label}: {confidence:.2f}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)

cv2.imwrite('output_image.jpg', image)