序言丝袜

宇宙好，YOLOv8 框架本人提供的API函数是不错两行代码竣事 YOLOv8 模子推理，此次我把这段代码封装成了一个类，唯有40行代码傍边，不错同期撑捏YOLOv8对象检测、实例分割、姿态评估模子的GPU与CPU上推理演示。

递次竣事

使用PyQT5设立一个浅显的YOLOv8 框架本人提供的API函数演示交互界面，撑捏从界面上接受模子文献、测试图像粗略视频文献，点击开动推理 按钮就不错运行了，统统这个词递次的界面如下：

勾引指南

YOLOv8框架撑捏的函数推接待自动识别模子的类型是对象检测、实例分割、姿态评估中哪一种，有GPU撑捏的情况下，默许会使用GPU推理。 推理运行在一个单独的PyQT线程中，通过信号与槽机制竣事推理后果复返与更新。竣事的线程代码如下：

classInferenceThread(QtCore.QThread):
fire_stats_signal=QtCore.pyqtSignal(dict)

def__init__(self，settings):
super(InferenceThread，self).__init__()
self.settings=settings
self.detector=YOLOv8PtInference(settings)
self.input_image=settings.input_image

defrun(self):
ifself.detectorisNone:
return
ifself.input_image.endswith(".mp4"):
cap=cv.VideoCapture(self.input_image)
whileTrue:
ret，frame=cap.read()
ifretisTrue:
self.detector.infer_image(frame)
self.fire_stats_signal.emit({"result":frame})
else:
break
else:
frame=cv.imread(self.input_image)
self.detector.infer_image(frame)
self.fire_stats_signal.emit({"result":frame})
self.fire_stats_signal.emit({"done":"done"})
return

径直通过PT模子推理的公正有两点，一个是不需要写部署代码了，二是精度不会在模子回荡中有轻细逝世了。十分妥当Python设立者 对象检测 - 运行截图如下：

实例分割-运行截图如下：

姿态评估-运行截图如下：

审核裁剪：刘清丝袜