如何在使用Python的Yolov8进行推理时，设定使用model=Yolo('best.pt')加载的预训练模型时的置信度阈值？

在使用Python的YOLOv8进行物体检测时，设置置信度阈值是非常常见的，特别是在使用`model=Yolo('best.pt')`加载预训练模型的时候。这个阈值决定了模型在输出结果中保留多少预测的概率高于该阈值的对象。以下是如何设置置信度阈值的基本步骤：

from yolov8.models import YOLO

# 初始化YOLOv8模型，指定加载的最佳预训练模型文件
model = YOLO(weights='best.pt', size=(640, 640)) # 尺寸可以根据需要自定义，这里是640x640

# 设置置信度阈值，一般在0.0到1.0之间，比如设为0.5
confidence_threshold = 0.5

# 对输入图像进行推理，并应用NMS（非极大抑制）以筛选出高置信度的结果
predictions = model.predict(image, confidence=confidence_threshold)

# `predictions`将是包含对象位置、类别和置信度的列表

在这个例子中，`confidence`参数就是我们设置的置信度阈值。更高的阈值会减少误报，但可能会漏掉一些低置信度的目标；反之亦然。