在 Python 中使用预训练的 Ultralytics YOLOv8 模型进行分割

让我们来看看使用 Ultralytics YOLOv8 模型进行对象分割的世界。在这篇博客文章中，我们将引导你了解如何在 Python 中轻松设置和运行分割。

为分割做好准备#

我们首先来关注 Ultralytics YOLOv8。安装这款强大的模型非常简单，片刻之后，你就能准备好并开始使用它的分割功能。

实例分割通过定位图像中的单个对象并将其与背景分离，使目标检测更进一步。

其输出包含勾勒每个对象轮廓的掩码或轮廓，并附带类别标签和置信度分数。当精确的对象形状至关重要时，该技术极具价值，它不仅提供了对象的位置，还提供了有关其形状的详细信息。

只需几条简单的命令，你就可以从命令行执行预测，亲眼见证 Ultralytics YOLOv8 带来的创新与便捷。

实时分割：让图像焕发生机#

但当我们能体验实时分割时，为什么要局限于静态图像呢？我们的 Python 脚本是你进入实时分割动态世界的门户。

通过利用 YOLO 类并将其与 OpenCV 无缝集成，你可以为你的项目注入活力，在进行过程中发掘隐藏的洞察和模式。

从识别椅子到描绘植物，可能性就像你的想象力一样无穷无尽。

图 1. Nicolai Nielsen 正在讲解 COCO 分割预训练模型。

在 Ultralytics，我们还提供对 COCO 分割预训练模型支持，这可以作为任何用例的绝佳起点。然后，你可以根据你的具体需求对这些模型进行微调。

总体而言，我们支持各种数据集，例如汽车零件实例分割、裂纹分割和工业包装分割。通过我们文档中提供的一个简单命令，即可在这些数据集上轻松训练分割模型：

敬请期待#

加入我们接下来的视频，我们将深入探索 Ultralytics YOLOv8 的领域，研究在你自己的数据集上进行自定义训练和推理。

我们致力于化解人工智能和机器学习的复杂性，一次一个分割。我们的使命是赋能个人和组织，充分利用像 Ultralytics YOLOv8 这样尖端技术的全部潜能。在我们的指导和你的好奇心驱使下，未来将会迎来无数令人惊叹的突破。

加入我们，一起释放 Ultralytics YOLOv8 的全部潜能。观看完整视频 Watch the full video！