基于 YOLOv8 的目标检测实例应用

通过使用 YOLOv8 目标检测和侦察无人机拍摄的航空图像来利用地理空间情报（GEOINT）统计敌方飞机，从而规划军事行动。K0N28资讯网——每日最新资讯28at.com

K0N28资讯网——每日最新资讯28at.com

model = YOLO('yolov8sair.pt')results = model.predict('Aerial_AirBase.jpg')annotated_frame = results[0].plot()cv2_imshow(annotated_frame)

这里我们基于训练好的模型创建 YOLO 对象。然后，我们尝试预测并找到 Aerial_AirBase.jpg 图像中的任何物体，最后显示结果中的第0个标注框。K0N28资讯网——每日最新资讯28at.com

K0N28资讯网——每日最新资讯28at.com

使用 yolov8sair 模型进行目标检测K0N28资讯网——每日最新资讯28at.com

如上图所示，检测到三架飞机，概率均约为 84%，表明高度的置信度。在这种情况下，您可以通过自动统计 results[] 数组中的物体列表来轻松统计它们。置信度和概率水平可能会因天气条件而异。然而，尽管存在如天气阴云等显著缺点，这种侦察方法在规划军事行动和支持战斗行动中仍具有重要意义。K0N28资讯网——每日最新资讯28at.com

正如您所见，其易用性只需几行代码即可使其在各种应用中得以使用，包括小型飞行控制器的自主无人机。想象一下，通过结合这种目标检测机制，您可以构建的智能应用程序。想象一下，配备自动驾驶仪、目标检测和跟踪能力的作战无人机，直到摧毁目标。让您的想象力引导您。K0N28资讯网——每日最新资讯28at.com

另一个您可以用于军事解决方案的好例子：K0N28资讯网——每日最新资讯28at.com

model = YOLO('yolov8sair.pt')# Object Detection in Video-streamcap = cv2.VideoCapture(f"airport_video_source.mp4")img_array = []while cap.isOpened():    success, frame = cap.read()    if success:        results = model(frame)        annotated_frame = results[0].plot()        img_array.append(annotated_frame)    else:        breakcap.release()# Saving to output video filesize = img_array[0].shape[1], img_array[0].shape[0]  # (384, 640)writer = cv2.VideoWriter(f"airport_video_output.mp4", cv2.VideoWriter_fourcc(*"mp4v"), 25, size)for frame in img_array:    img_n = cv2.resize(frame, size)    writer.write(img_n)writer.release()

这涉及从视频流中进行目标检测，在我们的例子中从 airport_video_source.mp4 文件中提取。然后，它将视频分成帧，检测每帧上的飞机，并将它们编译到 airport_video_output.mp4 文件中。K0N28资讯网——每日最新资讯28at.com

您可以从 Google Compute Engine 的工作目录中下载此文件。我相信您已经熟悉这个过程。K0N28资讯网——每日最新资讯28at.com

K0N28资讯网——每日最新资讯28at.com

视频流中的目标检测K0N28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-26-102911-0.html基于 YOLOv8 的目标检测实例应用

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 面试官：@Transactional 与 @Async 可以同时使用吗

下一篇： 设计支持千万级别的短链服务