Closed qq923004243 closed 7 months ago
是否可以像yolov8一样,只推理一个类别呢?我在大佬你的代码中查看了一下没貌似没有类似 model('bus.jpg',classes=0)这样的配置代码,而是一次性把所有类别的数据识别出来了,我现在的做法是通过label来进行判断,但是如果能只限制类别的话我感觉速度还能提升更多。 device = torch.device("cpu") model = YOLO('yolov8n-seg.pt') # 加载官方模型
model = model.to(device)
results = model('bus.jpg',classes=0) # 在一张图片上预测
嗷嗷,可以在可视化的代码中判断一下label,类如: if label == 0: do_some_thing
目前我是按你说的这么做了,只是我在想如果运算还能像yolov8选择识别类的话速度会更快。感谢你的回答。
是否可以像yolov8一样,只推理一个类别呢?我在大佬你的代码中查看了一下没貌似没有类似 model('bus.jpg',classes=0)这样的配置代码,而是一次性把所有类别的数据识别出来了,我现在的做法是通过label来进行判断,但是如果能只限制类别的话我感觉速度还能提升更多。 device = torch.device("cpu") model = YOLO('yolov8n-seg.pt') # 加载官方模型
model = YOLO('path/to/best.pt') # 加载自定义模型
model = model.to(device)
用模型进行预测
results = model('bus.jpg',classes=0) # 在一张图片上预测