当前位置: 首页 > ai >正文

YOLO模型predict(预测/推理)的参数设置

上一章描述了预测初体验,基本可以使用现有的yolo模型进行预测/推理。本次我们了解一下这个过程中的参数的作用。

1.参数示例

conf=0.68 :表示模型识别这个东西是车的概率为68% 。一般默认的情况下,概率小于25%的就不显示了。

1)调整一下python的代码的参数如下,可以预测图片能够识别的东西就会变少。

from ultralytics import YOLO

# 自定义yolo对象,设定好model和task,指定源文件,设置保存save=True,启动预测

yolo = YOLO(model = 'yolo11n.pt', task='detect')

results = yolo(mode='predict',source = 'cars.jpg',save=True, conf=0.66)

 

2)调整一下python的代码的参数如下,可以预测图片能够识别的东西就会变多。

from ultralytics import YOLO

http://www.xdnf.cn/news/7385.html

相关文章:

  • 在AI的风口里,OceanBase却选择了蹲下打地基
  • 第三十九节:视频处理-光流法 (Lucas-Kanade, Dense)
  • 【C++篇】揭秘STL vector:高效动态数组的深度解析(从使用到模拟实现)
  • ALTER COLLATION使用场景
  • RocketMQ 使用经验一二
  • 全新30m高分辨率全球地形因子数据下载方法
  • 国产RFID手持终端的自主国产化数据安全优势
  • C# 匹配模式
  • 【算法专题十四】BFS解决FloodFill算法
  • 部署springBoot项目的脚本-windows
  • C++(25): 标准库 <deque>
  • 迅联文库开发日志(三)登陆注册
  • esp32课设记录(四)摩斯密码的实现 并用mqtt上传
  • Springboot 跨域拦截器配置说明
  • JavaScript 学习
  • DW_DMAC简介
  • 嵌入式学习笔记 D22:栈与队列
  • 编排优先——Go 语言开发 AI 智能体的设计与实现
  • 专为MoE设计的“超级工厂”,来了
  • 跨境业务服务器架构设计与CN2线路深度调优
  • Spring Boot 接口定义指南:构建高效的RESTful API
  • 【第二届帕鲁杯】第二届帕鲁杯畸行的爱完整wp
  • RSP-BSP-1
  • 生成式人工智能认证(GAI认证)在企业中的认可度怎样?
  • 基于 STM32 的自动温度巡检小车控制系统设计与实现
  • 第五天的尝试
  • 经典算法复习——快速模幂
  • 51单片机点亮一个LED介绍
  • C++ 函数对象、仿函数与 Lambda 表达式详解
  • 12.vue整合springboot首页显示数据库表-实现按钮:【添加修改删除查询】