在 Python 中使用经过预训练的 Ultralytics YOLOv8 模型进行分割

让我们一起了解使用 Ultralytics YOLOv8 模型进行目标分割的世界。在这篇博文中，我们将带你轻松了解如何设置和运行使用 Python 的分割任务。

为分割做好准备#

让我们先重点了解 Ultralytics YOLOv8。安装这个功能强大的模型非常简单，片刻之间，你就可以开始使用它的分割功能。

实例分割比目标检测更进一步，它能够定位图像中的每个独立目标，并将其与背景分离。

它的输出包括勾勒每个目标轮廓的掩码或轮廓，以及类别标签和置信度分数。当精确的目标形状至关重要时，这项技术非常有价值，因为它不仅能提供目标位置，还能提供目标形状的详细信息。

只需几条简单命令，你就能从命令行执行预测，亲身体验 Ultralytics YOLOv8 带来的创新与简便。

实时分割：让图像栩栩如生#

但既然我们可以实时体验分割，为什么还要局限于静态图像？我们的 Python 脚本将带你进入动态的实时分割世界。

通过利用 YOLO 类并将其与 OpenCV 无缝集成，你可以为项目注入活力，在探索过程中发现隐藏的洞察和规律。

从识别椅子到勾勒植物轮廓，可能性如同你的想象力一样无穷无尽。

图 1. Nicolai Nielsen 勾勒 COCO 分割预训练模型。

在 Ultralytics，我们还支持 COCO 分割预训练模型，它们是任何使用场景的绝佳起点。然后，你可以针对自己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，例如汽车零部件实例分割、裂缝分割和工业包装分割。在这些数据集上训练分割模型非常简单，只需使用文档中提供的一条命令：

敬请期待#

在接下来的视频中加入我们，深入探索 Ultralytics YOLOv8，了解如何在你自己的数据集上进行自定义训练和推理。

我们致力于逐步简化 AI 和机器学习的复杂性。我们的使命是帮助个人和组织充分发挥 Ultralytics YOLOv8 等尖端技术的潜力。在我们的指导和你的好奇心共同作用下，未来将会有哪些令人惊叹的突破，谁也无法预料。

加入我们，一起释放 Ultralytics YOLOv8 的全部潜力。观看完整视频 观看完整视频！