yolov8 Windows+CPU 实现目标检测和绘制结果图
YOLOv8 由 Ultralytics 提供，并支持全方位的视觉 AI 任务，包括检测、分割、姿态估计、跟踪和分类。这种多功能性使用户能够在各种应用和领域中利用 YOLOv8 的功能。
1. Windows 环境下使用 CPU 运行 yolov8 环境搭建
（1）使用 Anaconda 搭建 yolov8 虚拟环境：conda create -n yolov8 python==3.9
（2）进入该虚拟环境：conda activate yolov8
（3）安装 yolov8：pip install ultralytics
安装完成如下所示：
2. 使用 yolov8 官方下载的预训练模型进行目标检测
（1）下载 yolov8 官方自带的目标检测预训练模型 ，这里我使用的是 yolov8n.pt
（2）代码实现：
1 # 导入所需的库函数
2 from ultralytics import YOLO
3 from PIL import Image
4 import os
5
6 # Load your model 导入模型
7 model = YOLO('./model/yolov8n.pt') # For example, 'yolov8n.pt'
8 # 定义图片读取文件
9 path_input = "./image"
10 # 定义检测结果保存文件
11 path_output = "./output"
12
13 # 使用模型进行目标检测
14 for file_name in os.listdir(path_input):
15 # 得到图片路径
16 path_image = os.path.join(path_input, file_name)
17 # Run prediction 预测
18 results = model(path_image)
19 # After running the input through the model, it returns an array of results for each input image.
20 # As we provided only a single image, it returns an array with a single item that you can extract like this:
21 result = results[0]
22 # Now, iterate over detected objects
23 for det in result.boxes:
24 # det is now a single detection with attributes you can directly access
25 xmin, ymin, xmax, ymax = det.xyxy[0] # Coordinates
26 conf = det.conf # Confidence
27 cls = det.cls # Class ID
28 class_name = result.names[cls[0].item()] # class name
29 print(f"Box coordinates: {xmin}, {ymin}, {xmax}, {ymax}, Confidence: {conf}, Class Name: {class_name}")
30 # 显示图片并保存（这里如果使用matplotlib显示不出图片）
31 image = Image.fromarray(result.plot()[:, :, ::-1])
32 image.show()
33 image.save(os.path.join(path_output, file_name))
代码运行结果：
原始图片路径打开网盘在 ”yolov8 CPU+Windows 实现目标检测和绘制结果图-数据“ 文件夹下：https://pan.baidu.com/s/1dNzrVkpsXtO7uXyrMxADhA?pwd=6611
参考资料：https://www.freecodecamp.org/news/how-to-detect-objects-in-images-using-yolov8/
https://blog.csdn.net/qq_51248362/article/details/134102209
