只用几行代码运行 Ultralytics 目标检测和分割模型

本文将介绍 Ultralytics YOLOv5和 YOLOv8模型在目标检测和分割方面的能力。我们将探讨如何只用几行代码，就把这些易于使用的模型集成到你的项目中。无论你是初学者还是经验丰富的开发者，都可以了解 Ultralytics 如何支持多种模型和架构，包括不同版本的 YOLO 以及基于 Transformer 的模型。

在他的视频中，Nicolai Nielsen演示了如何在 Ultralytics 框架中设置和使用各种模型。下面我们将逐步讲解，看看你如何开始使用这些工具。

开始使用 Ultralytics 模型#

Ultralytics 提供了一个全面的框架，支持多种目标检测和分割模型。这包括广受欢迎的 YOLO 模型，范围从 YOLOv3 到 YOLOv8（之后由 YOLO26接替），还包括 YOLO-NAS 和 SAM 模型。这些模型旨在处理各种任务，例如实时检测、分割和姿态估计。

首先，访问 Ultralytics 文档页面。你可以在这里找到每个模型的详细信息，包括其主要特性、架构，以及如何在 Python 脚本中使用模型。

设置环境#

首先，确保已安装 Ultralytics。你可以运行以下命令进行安装：

pip install ultralytics

完成后，你就可以在项目中开始使用这些模型。我们先以 Ultralytics YOLOv8 模型为例。

Ultralytics YOLOv8 的主要特性#

Ultralytics YOLOv8 在前代模型的基础上进行了多项改进。它的设计速度更快、准确率更高，非常适合实时应用。主要功能包括：

• 提升速度和准确性
• 适用于多种任务的预训练权重
• 支持目标检测、分割和分类
• 改进模型架构，以获得更好的性能

在 Python 中运行 Ultralytics YOLOv8#

下面介绍如何只用几行代码开始使用 Ultralytics YOLOv8：

from ultralytics import YOLO

# 加载预训练的 YOLOv8 模型
model = YOLO("yolov8n.pt")

# 对图像运行推理
results = model("path/to/image.jpg")

就这么简单！你刚刚已经用 YOLOv8 模型对图像进行了推理。这种简单易用的特性正是 Ultralytics 模型广受欢迎的原因。

实时摄像头检测#

想看看 Ultralytics YOLOv8 如何处理实时摄像头画面吗？下面介绍如何操作：

from ultralytics import YOLO

# 加载预训练的 YOLOv8 模型
model = YOLO("yolov8n.pt")

# 对摄像头画面运行推理（source=0）并显示结果
results = model.predict(source=0, show=True)

此脚本会打开网络摄像头，并使用 Ultralytics YOLOv8 模型实时检测物体。

图 1. Nicolai Nielsen 介绍如何运行 Ultralytics 目标检测和分割模型。

探索其他模型#

Ultralytics 不只支持 YOLOv8，还支持 YOLOv5、YOLO-NAS 和基于 Transformer 的实时检测模型等多种其他模型。每个模型都有各自的优势和适用场景。

Transformer 模型及其运行方法#

由百度开发并获 Ultralytics 支持的 RT-DETR模型是一款先进的端到端目标检测器，兼具实时性能和高准确率。它采用基于卷积的骨干网络和高效的混合编码器，实现实时速度；在搭配 TensorRT 的 CUDA 环境下表现出色，并支持灵活调整推理速度。

以下是运行 RT-DETR 模型的方法：

from ultralytics import RTDETR

# 加载在 COCO 上预训练的 RT-DETR-l 模型
model = RTDETR("rtdetr-l.pt")

# 对图像运行推理
results = model("path/to/image.jpg")

Segment Anything 模型#

Ultralytics 还提供用于分割任务的模型，例如 MobileSAM 和 FastSAM。这些模型旨在分割图像中的所有内容，帮助你详细了解场景。

运行 FastSAM#

FastSAM 针对实时分割进行了优化，下面介绍如何运行：

from ultralytics import FastSAM

# 创建 FastSAM 模型
model = FastSAM("FastSAM-s.pt")  # 或 FastSAM-x.pt

# 对图像运行推理
results = model("path/to/image.jpg", device="cpu", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9)

该模型非常适合需要快速、准确分割的应用。

性能与对比#

Ultralytics 生态系统的一项实用功能是能够并排比较不同模型。你可以查看推理速度和平均精度均值（mAP）等性能指标，确定哪个模型最适合你的具体应用。

主要要点#

只需几行代码，Ultralytics 就能轻松运行目标检测和分割模型。无论你是在开发实时应用，还是需要高精度模型，Ultralytics 都能为你提供解决方案。欢迎访问 Nicolai Nielsen 在 Ultralytics YouTube 频道发布的完整教程，了解更深入的信息和示例。

敬请关注 Ultralytics 社区，获取更多教程和更新！