4. 9月18日 YOLO效果测试2

接上一课内容

模型效果验证

1. 对图片进行验证

from ultralytics import YOLO
 
model = YOLO('best.pt')
if __name__ == '__main__':
    results = model.predict(source='test.jpg')
    results[0].show()

2. 对视频进行验证

from ultralytics import YOLO

# 加载已训练的模型
model = YOLO(r'D:\yolo_test\runs\detect\train\weights\best.pt')

if __name__ == '__main__':
    # 检测视频
    results = model.predict(source=r'D:\yolo_test\1.mp4', show=True)

2. 对屏幕内容进行验证

这个实验最好双屏！

import cv2
import numpy as np
from mss import mss
from ultralytics import YOLO

# 加载训练好的 YOLO 模型
model = YOLO(r'D:\yolo_test\runs\detect\train\weights\last.pt')

# 定义屏幕捕获区域
sct = mss()
monitor = sct.monitors[0]  # 选择要捕获的显示器

if __name__ == '__main__':
    while True:
        # 捕获屏幕
        screenshot = sct.grab(monitor)
  
        # 将屏幕截图转换为 numpy 数组格式 (cv2 兼容)
        img = np.array(screenshot)

        # 将图像从 BGRA 转换为 RGB 格式 (因为 mss 捕获的图像带有 alpha 通道)
        img = cv2.cvtColor(img, cv2.COLOR_BGRA2RGB)

        # 使用 YOLO 模型对屏幕截图进行预测
        results = model.predict(source=img, show=True)

        # 按下 'q' 键退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放资源
    cv2.destroyAllWindows()

非典型应用

【【黑神话】AI向人类学习后，优雅击败幽魂(大头)！】

大漠插件

新阳光yolo综合工具箱